grounded_scan

  • opis :

Grounded SCAN (gSCAN) to syntetyczny zestaw danych do oceny uogólnienia kompozycji w rozumieniu języka usytuowanego. gSCAN łączy instrukcje w języku naturalnym z sekwencjami działań i wymaga od agenta interpretacji instrukcji w kontekście wizualnego środowiska nawigacji opartego na siatce.

Więcej informacji można znaleźć pod adresem:

FeaturesDict({
    'command': Sequence(Text(shape=(), dtype=string)),
    'manner': Text(shape=(), dtype=string),
    'meaning': Sequence(Text(shape=(), dtype=string)),
    'referred_target': Text(shape=(), dtype=string),
    'situation': FeaturesDict({
        'agent_direction': int32,
        'agent_position': FeaturesDict({
            'column': int32,
            'row': int32,
        }),
        'direction_to_target': Text(shape=(), dtype=string),
        'distance_to_target': int32,
        'grid_size': int32,
        'placed_objects': Sequence({
            'object': FeaturesDict({
                'color': Text(shape=(), dtype=string),
                'shape': Text(shape=(), dtype=string),
                'size': int32,
            }),
            'position': FeaturesDict({
                'column': int32,
                'row': int32,
            }),
            'vector': Text(shape=(), dtype=string),
        }),
        'target_object': FeaturesDict({
            'object': FeaturesDict({
                'color': Text(shape=(), dtype=string),
                'shape': Text(shape=(), dtype=string),
                'size': int32,
            }),
            'position': FeaturesDict({
                'column': int32,
                'row': int32,
            }),
            'vector': Text(shape=(), dtype=string),
        }),
    }),
    'target_commands': Sequence(Text(shape=(), dtype=string)),
    'verb_in_command': Text(shape=(), dtype=string),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDict
Komenda Sekwencja (tekst) (Nic,) strunowy
sposób Tekst strunowy
oznaczający Sekwencja (tekst) (Nic,) strunowy
polecony_cel Tekst strunowy
sytuacja FunkcjeDict
sytuacja/kierunek_agenta Napinacz int32
sytuacja/pozycja_agenta FunkcjeDict
sytuacja/pozycja_agenta/kolumna Napinacz int32
sytuacja/pozycja_agenta/wiersz Napinacz int32
sytuacja/kierunek_do_celu Tekst strunowy
sytuacja/odległość_do_celu Napinacz int32
sytuacja/rozmiar_siatki Napinacz int32
sytuacja/umieszczone_obiekty Sekwencja
sytuacja/umieszczone_obiekty/obiekt FunkcjeDict
sytuacja/umieszczone_obiekty/obiekt/kolor Tekst strunowy
sytuacja/umieszczone_obiekty/obiekt/kształt Tekst strunowy
sytuacja/umieszczone_obiekty/obiekt/rozmiar Napinacz int32
sytuacja/umieszczone_obiekty/pozycja FunkcjeDict
sytuacja/umieszczone_obiekty/pozycja/kolumna Napinacz int32
sytuacja/umieszczone_obiekty/pozycja/wiersz Napinacz int32
sytuacja/umieszczone_obiekty/wektor Tekst strunowy
sytuacja/obiekt_docelowy FunkcjeDict
sytuacja/obiekt_docelowy/obiekt FunkcjeDict
sytuacja/obiekt_docelowy/obiekt/kolor Tekst strunowy
sytuacja/obiekt_docelowy/obiekt/kształt Tekst strunowy
sytuacja/obiekt_docelowy/obiekt/rozmiar Napinacz int32
sytuacja/obiekt_docelowy/pozycja FunkcjeDict
sytuacja/obiekt_docelowy/pozycja/kolumna Napinacz int32
sytuacja/obiekt_docelowy/pozycja/wiersz Napinacz int32
sytuacja/obiekt_docelowy/wektor Tekst strunowy
polecenia_docelowe Sekwencja (tekst) (Nic,) strunowy
czasownik_w_poleceniu Tekst strunowy
@inproceedings{NEURIPS2020_e5a90182,
 author = {Ruis, Laura and Andreas, Jacob and Baroni, Marco and Bouchacourt, Diane and Lake, Brenden M},
 booktitle = {Advances in Neural Information Processing Systems},
 editor = {H. Larochelle and M. Ranzato and R. Hadsell and M. F. Balcan and H. Lin},
 pages = {19861--19872},
 publisher = {Curran Associates, Inc.},
 title = {A Benchmark for Systematic Generalization in Grounded Language Understanding},
 url = {https://proceedings.neurips.cc/paper/2020/file/e5a90182cc81e12ab5e72d66e0b46fe3-Paper.pdf},
 volume = {33},
 year = {2020}
}

@inproceedings{qiu-etal-2021-systematic,
    title = "Systematic Generalization on g{SCAN}: {W}hat is Nearly Solved and What is Next?",
    author = "Qiu, Linlu  and
      Hu, Hexiang  and
      Zhang, Bowen  and
      Shaw, Peter  and
      Sha, Fei",
    booktitle = "Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2021",
    address = "Online and Punta Cana, Dominican Republic",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2021.emnlp-main.166",
    doi = "10.18653/v1/2021.emnlp-main.166",
    pages = "2180--2188",
}

grounded_scan/compositional_splits (domyślna konfiguracja)

  • Opis konfiguracji : Przykłady uogólnienia kompozycji.

  • Rozmiar pliku do pobrania : 82.10 MiB

  • Rozmiar zbioru danych : 998.11 MiB

  • Podziały :

Rozdzielać Przykłady
'adverb_1' 112 880
'adverb_2' 38582
'contextual' 11460
'dev' 3716
'situational_1' 88642
'situational_2' 16808
'test' 19282
'train' 367 933
'visual' 37436
'visual_easier' 18718

uziemiony_skan/podział_długości_docelowej

  • Opis konfiguracji : przykłady uogólniania na większe długości docelowe.

  • Rozmiar pliku do pobrania : 53.41 MiB

  • Rozmiar zestawu danych : 546.73 MiB

  • Podziały :

Rozdzielać Przykłady
'dev' 1821
'target_lengths' 198588
'test' 37784
'train' 180301

uziemione_skanowanie/spatial_relation_splits

  • Opis konfiguracji : Przykłady rozumowania relacji przestrzennych.

  • Rozmiar pliku do pobrania : 89.59 MiB

  • Rozmiar zestawu danych : 675.09 MiB

  • Podziały :

Rozdzielać Przykłady
'dev' 2617
'referent' 30492
'relation' 6285
'relative_position_1' 41576
'relative_position_2' 41529
'test' 28526
'train' 259 088
'visual' 62250