Datasets:
instruction
stringclasses 10
values | inputs
dict | outputs
stringclasses 10
values | meta
dict |
---|---|---|---|
Изображение: <image>
Вопрос: {question}
Ответ (одним словом в начальной форме или цифрой, без пояснений): | {
"image": {
"src": "https://datasets-server.huggingface.co/assets/MERA-evaluation/ruCLEVR/--/1683204ed20727ab12850888645aaae7f8d32dea/--/default/shots/0/inputs/image-f0a0300.png?Expires=1735149600&Signature=OP3V71KUy~GDkdY8OwON4Iz7RPr7j7XbdQj5x4havcYvPC7-uG17t-HeG13x96EVTGl0qZj6fDByozpf2nAxbxxzUkHcjtQ0jkNBO27ugZ9xlI5rwLZxppFqMNPq4UMiVs3sASOaD26lkJLpgydQ-h2Dmf1W0c96w1fs5Gk6obAboR5zcWDyjh-7DGQLcSfbqF3RA3pnRiKgZ2ldQZYqQAEV~R68u5bgRpUlpzKtMAARooNlvZyuDuI2KeVcY9El8APKKDxCjQN8WzLjx0JZwmOhDKqZgjxBQWt-defnfAG2LMLYlOlOar~UNs7JGcnukl4-pavDdL5v5TLmCu6c~w__&Key-Pair-Id=K3EI6M078Z3AC3",
"height": 320,
"width": 480
},
"question": "Сколько еще существует предметов из того же материала, что и маленький цилиндр?"
} | 0 | {
"id": 1,
"question_type": "count",
"image": {
"synt_source": [
"blender"
],
"type": "generated"
}
} |
Изображение:
<image>
На этом изображении показаны различные геометрические объекты со своей формой, цветом и расположение друг относительно друга.
Вопрос: {question}
Этот вопрос касается объектов на изображении. Ответь на вопрос одним словом, употребив начальную форму этого слова, или числом, используя цифры для его записи.
Ответ: | {
"image": {
"src": "https://datasets-server.huggingface.co/assets/MERA-evaluation/ruCLEVR/--/1683204ed20727ab12850888645aaae7f8d32dea/--/default/shots/1/inputs/image-f0a0300.png?Expires=1735149600&Signature=XeSxx6j1UmorXDr4b4wrdNZ0fEoPT0Axx2OziNMGEXM1H4g6~9g~Lf60gcHlpRFH9mK0BfQVDsMTrQsIZMU-o7OpINL0uUaD1ivUnwaI1a3GKVSEUJRuAyBbDhvIkWsf7bF643nvClwykQk-flI5mOU45nqxDob8qyDh2t81ivnAs2EkQXxBgLULcroHdsqJSVzMyEnWyOKdboXg8uirjHidxNvX-Eauqa~p8baTH0kOArWkFYkf6IkMmUjzqJG8KAO6Rtn6hcy097FMJwK9G0uTdXaiUNzF4fD-zD23v95bjcvPp4FKHnZ6I4zBjQaqx0hXSO9Zcff6hE6-Age8mw__&Key-Pair-Id=K3EI6M078Z3AC3",
"height": 320,
"width": 480
},
"question": "Сколько еще объектов такого же размера, как фиолетовый блок?"
} | 3 | {
"id": 2,
"question_type": "count",
"image": {
"synt_source": [
"blender"
],
"type": "generated"
}
} |
Даны вопрос и картинка, необходимая для ответа на вопрос. Посмотри на изображение и дай ответ на вопрос. Ответом является одна цифра или одно слово в начальной форме.
Изображение:<image>
Вопрос:{question}
Ответ: | {
"image": {
"src": "https://datasets-server.huggingface.co/assets/MERA-evaluation/ruCLEVR/--/1683204ed20727ab12850888645aaae7f8d32dea/--/default/shots/2/inputs/image-f0a0300.png?Expires=1735149600&Signature=Z2FBGA6KCp-O31hUyfatJNjimHL0UXn0X2oW6yZCiozu9jF~GT8TXWqd5IUQ7ag~qUG8Xl4zEl4YAQH6UbR7wSH56KJrkWWrFVFyL9P22ug6V7BDJreJ9pmiL1eaWn3gK-XLWADFy-CrSCaZhBpBf8HL3JLhoPsokoCgNmpeBsvQ6tbAZXL5WFKBrzknA4ihOlgaGKcgSOHexJxI1AJtd0qqjpvm5bcsovpPUh8Z6qdIhCF3RVVT8ad7HyqIBekWRfQC7EQUWTqR6PMCf-CQyzMmUCSCa1NWqifxh-h6uoZrAPm-j-ENMXwgzI47JKqGRMJ0YUk5-nRSOtjVUiD4mg__&Key-Pair-Id=K3EI6M078Z3AC3",
"height": 320,
"width": 480
},
"question": "Какого размера синий объект?"
} | большой | {
"id": 3,
"question_type": "size",
"image": {
"synt_source": [
"blender"
],
"type": "generated"
}
} |
Картинка: <image>
Ответьте на вопрос про содержание картинки. Этот вопрос будет касаться информации про расположенные на изображении объекты, их характеристики и отношения друг к другу.
Вопрос: {question}
Ответьте одним словом, употребив начальную форму этого слова, или числом, используя цифры для его записи. Пиши только ответ.
Ответ: | {
"image": {
"src": "https://datasets-server.huggingface.co/assets/MERA-evaluation/ruCLEVR/--/1683204ed20727ab12850888645aaae7f8d32dea/--/default/shots/3/inputs/image-f0a0300.png?Expires=1735149600&Signature=Sr1BbcUYQV6qQCE1ZPa6KM6~xrXfKRmazR2RYPcK8XDVpNQByaOHa0xmRCcKYnkm8yyydsRD8J9VxbTpuAPR3uC9FEWCUO2d4RL8hpnUpX2Aihpm~bnbPcpM74nlDbv-0YwZYsD-irSvcsWBY6AAGUaAwbqZYjKtnPAvypaHt6AAPz5nBRjO~JSEq92QO-yxSDEfvTTf7bJlyMXdIKdqqBSjBVWE~-x08ZURnIryA2KT~FUl85vkU~hWIB0Va5jbnY-RTVZ4jGrQYV4FvM9yxJikHSVL7CJBgpgN2yOfNtnNcRMizzmRO44qSDPY4jWi1WnQUg35oWc7dGZEIJJ0yw__&Key-Pair-Id=K3EI6M078Z3AC3",
"height": 320,
"width": 480
},
"question": "Какого цвета крошечный металлический шарик, который находится на левой стороне крошечного коричневого металлического блока, находящегося на правой стороне маленького серого цилиндра?"
} | коричневый | {
"id": 4,
"question_type": "color",
"image": {
"synt_source": [
"blender"
],
"type": "generated"
}
} |
<image>
Дано изображение и вопрос, который с ним связан:
{question}
Ответь на вопрос одним словом в начальной форме или числом, записанным одной цифрой. Не аргументируй, не поясняй, не пиши ничего лишнего. Только ответ.
Ответ: | {
"image": {
"src": "https://datasets-server.huggingface.co/assets/MERA-evaluation/ruCLEVR/--/1683204ed20727ab12850888645aaae7f8d32dea/--/default/shots/4/inputs/image-f0a0300.png?Expires=1735149600&Signature=Pwq3tGh7Qtctj3bzEAg~TUwoP7P9iZJRQComNJn2JdaqrS~1oxv4lJJi~tS4h33nyDSbkDsSY9Zi9BlV-JzqUDIO~Nrgf0L5SwNWoPucTs~yfstlrnAdzQc6CcG4QJwrL-WeFSBdb1ZAQvj-l3YjgjzO1hpX02DaXHyr5bRgTN18jIDNSiY0PcAWtGr4JzPSA59n0Oi4Ha0AxYIGGk3YrXXIbW6MqNguoCAEKKBhbYp-LXnYk3y3LW8XvDNRCKXg20t4Bdri7jgDPXKOpFBi4yardzC9iUuoV0VrlpgQu0CJUtFw~OOjK27RJTvlHaIt9T43c~6z3TSro94qImm~Xg__&Key-Pair-Id=K3EI6M078Z3AC3",
"height": 320,
"width": 480
},
"question": "Каков размер металлического предмета того же цвета, что и маленький металлический цилиндр?"
} | маленький | {
"id": 5,
"question_type": "size",
"image": {
"synt_source": [
"blender"
],
"type": "generated"
}
} |
Твоя задача - посмотреть на изображение, определить какие объекты на нем, сколько их, какого они цвета, а также как они расположены друг относительно друга. Далее только ответь на вопрос, не добавляя ничего лишнего. Ответ дай в виде одного слова в начальной форме или цифры.
Изображение: <image>
Вопрос: {question}
Ответ: | {
"image": {
"src": "https://datasets-server.huggingface.co/assets/MERA-evaluation/ruCLEVR/--/1683204ed20727ab12850888645aaae7f8d32dea/--/default/shots/5/inputs/image-f0a0300.png?Expires=1735149600&Signature=UrxPEai3eLDXGfa-jge840cehXJPBXxBhIKFzcJAdXoaBXcOzNDmTGcC7SaTmHkRIF8M8SGe-YDI3HX5EJIzxjXcXaMqXeuS4e4PW810EAhaT6h8taAuJa-N3QwUhGXoCkIJeQ7sBr6Th9djyRO2D-K5GdM9gaj6fGGyo9HMMBAQ08g-CmKiVwH3xvkEqdLbGmrtzsQGVEfBmJ9coi5DVSCN23ED~~R~Ou54TxAdmSE1v5ynlqgJ~5N3tpQsHX1Kov3LnJXYvhpEbGh2gOs2Dt7MZj98uSgLh3Y037QocbL5atZb4X~udAYLTtIgCDO2j~GZjGhOpeT5Rdr3svoGAQ__&Key-Pair-Id=K3EI6M078Z3AC3",
"height": 320,
"width": 480
},
"question": "Справа от резинового предмета на левой стороне серого резинового цилиндра находится желтый объект; какой у него материал?"
} | металл | {
"id": 6,
"question_type": "material",
"image": {
"synt_source": [
"blender"
],
"type": "generated"
}
} |
<image>
{question}
Ответь на вопрос максимально коротко: одним слово или числом. Не пиши ничего лишнего. Не давай пояснений, расшифровок. Не строй логических цепочек. Дай только ответ и все. Напиши его в виде одного слова в начальной форме или цифры. Ответ: | {
"image": {
"src": "https://datasets-server.huggingface.co/assets/MERA-evaluation/ruCLEVR/--/1683204ed20727ab12850888645aaae7f8d32dea/--/default/shots/6/inputs/image-f0a0300.png?Expires=1735149600&Signature=Yhipz2AupwNDpnQMHNbiNBsOKBMV-xmNumbSb6sGQK6MPugqURz4t3DK-nF29T0T6FIu4M2Ky1rXtNVxnCZGUyPnvhw1xn25iI3yrl1i44FKFDflO8LoAPcPEAd~dvxytmeY38zFgauOn3sw2uF~LlB2ejry1hguWvYEqUSYHTBkwN5CD-oJzps6BS1ScrsJHbmmm4WmfgCKN35Joa60yj6c~8QFJLXFampUP18JVXxC013xFBcuJT~HNgJmqdNLNi9bJp~qtiup67WRNqP21CKBE5WDOkst2hcHCUzBdSfTGaDBJpVU6V3oTStObXByqPV1UYpgsH-KQe1wywXsKg__&Key-Pair-Id=K3EI6M078Z3AC3",
"height": 320,
"width": 480
},
"question": "Есть ли еще какие-нибудь предметы такой же формы, как большой металлический предмет?"
} | нет | {
"id": 7,
"question_type": "binary",
"image": {
"synt_source": [
"blender"
],
"type": "generated"
}
} |
На основе изображения: <image> ответь на вопрос: "{question}" одним словом, записанным в начальной форме, или числом, записанным цифрой.
Ответ: | {
"image": {
"src": "https://datasets-server.huggingface.co/assets/MERA-evaluation/ruCLEVR/--/1683204ed20727ab12850888645aaae7f8d32dea/--/default/shots/7/inputs/image-f0a0300.png?Expires=1735149600&Signature=INMXvSp~y1Z3rIeengG6WEP3~j1sSiZvGoeW1gGuleob7~xE5yvZ5vsZPgWergyJfKa5-GWLBOVXXvI5QMtk4ddYPuscrUYjbfIBFUDuRWjRA~WXHdjlN~9W03iwv3vSe~VhNVWRDEi3gUhLEb1xgn0I-V6wAStJ01xLO05OF9xX2FPaBfKbHmrP~s-2foh6uwt199dfF23CYg1SS5QWAupCNAi3Vx9iqV09l01X8sHP8omUnJa7hIIZHq55fjcfF2E5YFc815TzQNNlkgDi4xKZRh1nk3hnTK~VZgMWnlKG7Inzd9XUV9SEritwTwqR-ZSfW0Cm3~D6hSYJyljnuw__&Key-Pair-Id=K3EI6M078Z3AC3",
"height": 320,
"width": 480
},
"question": "Каков материал объекта, который находится слева от синего блока и справа от большого зеленого матового блока?"
} | резина | {
"id": 8,
"question_type": "material",
"image": {
"synt_source": [
"blender"
],
"type": "generated"
}
} |
Посмотрите на картинку <image>. На ней геометрические объекты. Вопрос: "{question}". Этот вопрос связан напрямую с содержанием изображения. Ответьте на вопрос одним словом, употребив начальную форму этого слова, или цифрой. Не давайте объяснений, пишите только ответ на вопрос. Ответ: | {
"image": {
"src": "https://datasets-server.huggingface.co/assets/MERA-evaluation/ruCLEVR/--/1683204ed20727ab12850888645aaae7f8d32dea/--/default/shots/8/inputs/image-f0a0300.png?Expires=1735149600&Signature=A34wsoJwehVpDw2rZZi0uHVSnQG0hBGRmZftm0nRmlT32GiUfQ~fnqA2CiCaDK1s3FkNtXEXuDbzdudFMp7dcgoRqKSXDVz4HWUzbFLMSxNEiXU5yHXh-VH1mHclBlw0wrp7AnjnkUNxsGb37pEx-UsCh4MEfQoSXg3cY~CIsMnz5vN8-mKHYdWASf8VoB4M1RYh21Bjpo4KG93XPk8Q1kW13YyVA63jBA234YozN1yFpNRkhlmRoOQMqdcWFhOa-QjVjJp9YGvYh0N85TyrC2-rnXuOBUPC6fKDsHuQ-V7s-OtGDfaLxWqdgLXgsYTSNMFfvHK4Z2edvDKkxgzdRg__&Key-Pair-Id=K3EI6M078Z3AC3",
"height": 320,
"width": 480
},
"question": "Какого цвета крошечный предмет, который находится перед большим серым резиновым предметом и за крошечной зеленой сферой?"
} | синий | {
"id": 9,
"question_type": "color",
"image": {
"synt_source": [
"blender"
],
"type": "generated"
}
} |
Дана картинка <image>. Внимательно посмотрите на нее. Ответьте на вопрос, который связан с содержанием изображения.
Вопрос: {question}
Ответ дайте в виде одного слова в начальной форме или цифры. Не давайте никаких пояснений.
Ответ: | {
"image": {
"src": "https://datasets-server.huggingface.co/assets/MERA-evaluation/ruCLEVR/--/1683204ed20727ab12850888645aaae7f8d32dea/--/default/shots/9/inputs/image-f0a0300.png?Expires=1735149600&Signature=uhiMmlUuniYW6U-IPkiPXgG2L4lplzzzXl16NGn9fhgTzktzfX0wTFXGGiga1rZQ4KwTm1era7zUDipbucJkgf~C0P8aZfuE9eyfBVARj4gpXVOnoJbzYSEvz2EglwwQmS3g3w4PDkpIGzmU8PifgNB4krS4DxRN0Bh9fO8F~iSKj8kWPxINKJF3OkXjd~RIZhjfu7SElyZw2k~n1kFRH6yDADG0t7OBaeNdgVE7~y8a2DTw~emNaBF3weSN2yT1jlh7MQMTPVGb7p0nRZuHVRUqY0ZLEgI~KaG8VJ7rBWVHgrD38ebkzbGq3Rk6bImmBGOiM5NY23idfLCG9xn8Gw__&Key-Pair-Id=K3EI6M078Z3AC3",
"height": 320,
"width": 480
},
"question": "Какова форма серого матового объекта справа от большого шара справа от желтого цилиндра?"
} | сфера | {
"id": 10,
"question_type": "shape",
"image": {
"synt_source": [
"blender"
],
"type": "generated"
}
} |
ruCLEVR
Task description
RuCLEVR is a Visual Question Answering (VQA) dataset inspired by the CLEVR methodology and adapted for the Russian language.
RuCLEVR consists of automatically generated images of 3D objects, each characterized by attributes such as shape, size, color, and material, arranged within various scenes to form complex visual environments. The dataset includes questions based on these images, organized into specific families such as querying attributes, comparing attributes, existence, counting, and integer comparison. Each question is formulated using predefined templates to ensure consistency and variety. The set was created from scratch to prevent biases. Questions are designed to assess the models' ability to perform tasks that require accurate visual reasoning by analyzing the attributes and relationships of objects in each scene. Through this structured design, the dataset provides a controlled environment for evaluating the precise reasoning skills of models when presented with visual data.
Evaluated skills: Common everyday knowledge, Spatial object relationship, Object recognition, Physical property understanding, Static counting, Comparative reasoning
Contributors: Ksenia Biryukova, Daria Chelnokova, Jamilya Erkenova, Artem Chervyakov, Maria Tikhonova
Motivation
The RuCLEVR dataset was created to evaluate the visual reasoning capabilities of multimodal language models, specifically in the Russian language, where there is a lack of diagnostic datasets for such tasks. It aims to assess models' abilities to reason about shapes, colors, quantities, and spatial relationships in visual scenes, moving beyond simple language understanding to test compositional reasoning. This is crucial for models that are expected to analyze visual data and perform tasks requiring logical inferences about object interactions. The dataset's design, which uses structured question families, ensures that the evaluation is comprehensive and unbiased, focusing on the models' reasoning skills rather than pattern recognition.
Data description
Data fields
Each dataset question includes data in the following fields:
instruction
[str] — Instruction prompt template with question elements placeholders.inputs
— Input data that forms the task for the model. Can include one or multiple modalities - video, audio, image, text.image
[str] — Path to the image file related to the question.question
[str] — Text of the question.
outputs
[str] — The correct answer to the question.meta
— Metadata related to the test example, not used in the question (hidden from the tested model).id
[int] — Identification number of the question in the dataset.question_type
[str] — Question type according to possible answers: binary, colors, count, materials, shapes, size.image
— Image metadata.synt_source
[list] — Sources used to generate or recreate data for the question, including names of generative models.type
[str] — Image type — according to the image classification for MERA datasets.
Data formatting example
{
"instruction": "Даны вопрос и картинка, необходимая для ответа на вопрос. Посмотри на изображение и дай ответ на вопрос. Ответом является одна цифра или одно слово в начальной форме.\nИзображение:<image>\nВопрос:{question}\nОтвет:",
"inputs": {
"image": "samples/image0123.png",
"question": "Одинаков ли цвет большой металлической сферы и матового блока?"
},
"outputs": "да",
"meta": {
"id": 17,
"question_type": "binary",
"image": {
"synt_source": [
"blender"
],
"type": "generated"
}
}
}
Prompts
For the task, 10 prompts were prepared and evenly distributed among the questions on the principle of "one prompt per question". The templates in curly braces in each prompt are filled in from the fields inside the inputs
field in each question.
Prompt example:
Даны вопрос и картинка, необходимая для ответа на вопрос. Посмотри на изображение и дай ответ на вопрос. Ответом является одна цифра или одно слово в начальной форме.
Изображение:<image>
Вопрос:{question}
Ответ:
Dataset creation
To create RuCLEVR, we used two strategies: 1) generation of the new samples and 2) data augmentation with color replacement. Below, each technique is described in more detail:
Generation of the New Samples: We generated new, unique images and corresponding questions from scratch. This process involved a multi-step process to ensure a controlled and comprehensive evaluation of visual reasoning. First, 3D images were automatically generated using Blender, featuring objects with specific attributes such as shape, size, color, and material. These objects were arranged in diverse configurations to create complex scenes. Questions with the corresponding answers were then generated based on predefined templates, which structured the inquiries into families, such as attribute queries and comparisons. To avoid conjunction errors, we stick to the original format and generate questions in English, further translating them into Russian using Google Translator. After generation, we automatically filtered incorrectly translated questions using the model pertained to the linguistic acceptability task. In addition, we checked the dataset for the absence of duplicates.
Data Augmentation with Color Replacement: We also augmented the dataset modifying the images from the validation set of the original CLEVER. Specifically, we developed a script to systematically replace colors in questions and images according to predefined rules, thereby creating new augmented samples. This process was initially conducted in English to avoid morphological complexities. Once the questions were augmented, they were translated into Russian and verified for grammatical correctness.
Evaluation
Metrics
Metrics for aggregated evaluation of responses:
Exact match
: Exact match is the average of scores for all processed cases, where a given case score is 1 if the predicted string is the exact same as its reference string, and is 0 otherwise.
- Downloads last month
- 35