Datasets:
image imagewidth (px) 155 3.05k | question stringlengths 18 720 | answer stringlengths 1 151 | original_category stringclasses 29
values | source stringclasses 54
values | vqa_category stringlengths 206 554 | _lite_source_index int64 2 1.01k | _lite_task_id stringclasses 1
value |
|---|---|---|---|---|---|---|---|
The person in the picture worked as a flight attendant until 1971. What's her name? | Jóhanna Sigurðardóttir | Science and technology | https://en.wikipedia.org/wiki/J%C3%B3hanna_Sigur%C3%B0ard%C3%B3ttir | {"task_category_analysis": "图像中的人物和情感识别，问题询问图片中人物的姓名，需要识别图像中的特定人物并获取其身份信息。", "task_category": "图像中的人物和情感识别", "subject_category_analysis": "问题和答案涉及一位历史性人物的职业背景及身份，而该人物是冰岛历史上重要的政治人物，这属于与西方文化与历史相关的内容。", "subject_category": "西方历史和文化", "entity_class_analysis": "图片和问答主要关注的是一位人物，该人物是问答的主体。", "entity_class": "人物"} | 2 | simplevqa_en | |
To whom did the person in the picture lose in the 2019 Lok Sabha elections? | Hasnain Masoodi | Science and technology | https://en.wikipedia.org/wiki/Mehbooba_Mufti#Political_career | {"task_category_analysis": "图像中的人物和情感识别，问题询问图片中的人物在2019年Lok Sabha选举中输给了谁，需要识别图像中的人物并了解其选举结果，涉及人物识别和历史事件", "task_category": "图像中的人物和情感识别", "subject_category_analysis": "问题涉及印度选举，这与当代社会时政以及选举事件密切相关，属于社会领域背景下的问答。", "subject_category": "当代社会", "entity_class_analysis": "问答内容涉及的是选举候选人的身份和选举结果，主要主体是“人物”。", "entity_class": "人物... | 4 | simplevqa_en | |
How many fouls did the team in the Champions League final on May 23, 2010? | 13 | Science and technology | https://www.uefa.com/uefachampionsleague/match/2000488--bayern-vs-inter/ | {"task_category_analysis": "图像中的数量、方向和位置关系，问题询问球队在特定比赛中的犯规次数，需要从图像中识别并统计相关数据。", "task_category": "图像中的数量、方向和位置关系", "subject_category_analysis": "问题涉及的是2010年5月23日的欧冠决赛（欧洲冠军联赛），属于体育赛事的事实性内容。", "subject_category": "文学、教育和体育", "entity_class_analysis": "图片显示的是比赛后庆祝的场景，奖杯表明这是与欧洲冠军联赛冠军球队相关的场景，结合问题，可知问答主体与欧冠赛事相关。", "entity_cla... | 5 | simplevqa_en | |
What year was the Lego set in the picture released? | 2002 | Science and technology | https://www.brickowl.com/catalog/lego-galidor-staff-42850 | {"task_category_analysis": "The question asks for the release year of a Lego set depicted in the image. This requires identifying a specific time or era associated with the Lego set, which falls under the category of recognizing time or era in an image.", "task_category": "图像中的时间、事件和活动识别", "subject_category_analysis": ... | 6 | simplevqa_en | |
The algorithm shown in the image was originally explored by which researcher in his PhD thesis in 1987 who first proposed its key properties? | 布鲁斯·艾布拉姆森（Bruce Abramson） | Science and technology | https://zh.wikipedia.org/wiki/%E8%92%99%E7%89%B9%E5%8D%A1%E6%B4%9B%E6%A0%91%E6%90%9C%E7%B4%A2 | {"task_category_analysis": "图像中的科学、逻辑和医学内容识别，问题涉及对图像中展示的算法进行历史溯源和关键研究者识别，需要逻辑推理能力...", "task_category": "图像中的科学、逻辑和医学内容识别", "subject_category_analysis": "根据问题和答案，问答内容涉及算法（技术）领域与其起源相关的信息。经过分析，这属于技术和工程领域中的信息查询。", "subject_category": "工程、技术和应用", "entity_class_analysis": "从图片内容来看，呈现的是一种算法的具体流程或模型架构（如决策树结构）。最终问题的核心是基于图片中算法的... | 7 | simplevqa_en | |
The computer scientist who invented the algorithm shown in the diagram was a professor in the mathematics department of which university? | 埃因霍温理工大学（Technische Hogeschool Eindhoven） | Science and technology | https://zh.wikipedia.org/wiki/%E6%88%B4%E5%85%8B%E6%96%AF%E7%89%B9%E6%8B%89%E7%AE%97%E6%B3%95 | {"task_category_analysis": "图像中的文本和语言处理，问题询问图中算法的发明者及其所属大学的数学系，需要从图像中提取相关信息...", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "", "subject_category": "工程、技术和应用", "entity_class_analysis": "", "entity_class": "建筑"} | 8 | simplevqa_en | |
Which scientist first documented the chemical elements in the picture? | 艾尔伯图斯·麦格努斯（Albertus Magnus） | Science and technology | https://zhuanlan.zhihu.com/p/540696532/ | {"task_category_analysis": "问题询问图像中的化学元素及其首次记录者，涉及化学元素的识别和科学历史知识，属于图像中的科学识别任务。", "task_category": "图像中的科学、逻辑和医学内容识别", "subject_category_analysis": "", "subject_category": "西方历史和文化", "entity_class_analysis": "", "entity_class": "自然科学"} | 10 | simplevqa_en | |
In what year were the chemicals shown in the picture first discovered? | 1963 | Science and technology | https://zh.wikipedia.org/wiki/%E5%BA%86%E5%A4%A7%E9%9C%89%E7%B4%A0 | {"task_category_analysis": "图像中的时间、事件和活动识别，问题询问图像中展示的化学物质首次发现的年份，需要识别图像中化学物质并追溯其历史时间信息", "task_category": "图像中的时间、事件和活动识别", "subject_category_analysis": "问题所讨论的内容是化学领域中与科学研究历史相关的知识，与自然科学的范畴密切相关。", "subject_category": "自然科学", "entity_class_analysis": "从图片中可以明确看到化学结构图，说明问答主体是与该化学物质本身相关的内容。", "entity_class": "化学物质"} | 12 | simplevqa_en | |
By which electrical engineer was the rule shown in the picture invented? | 约翰·弗莱明（John Fleming） | Science and technology | https://zhuanlan.zhihu.com/p/644048499/ | {"task_category_analysis": "图像中的文本和语言处理，问题询问图像中展示的规则是由哪位电气工程师发明的，需要从图像中提取相关信息或识别与规则相关的文本内容。", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "问题及图片内容涉及物理学中的右手定则，这一规则与电气工程领域密切相关，属于物理规律的工程化应用。因此，该问题归属于“工程和技术”相关主题类别。", "subject_category": "工程、技术和应用", "entity_class_analysis": "图片展示了一个物理手势和电磁感应实验示意图，其核心内容与电磁学的... | 14 | simplevqa_en | |
Who is the developer of the science index in the picture? | 韦恩·帕默尔（Wayne Palmer） | Science and technology | https://baike.baidu.com/item/%E5%B8%95%E9%BB%98%E5%B0%94%E5%B9%B2%E6%97%B1%E6%8C%87%E6%95%B0/22096431?fr\\u003dge_ala | {"task_category_analysis": "图像中的文本和语言处理，问题询问科学指数的开发者，需要从图像中提取相关信息，涉及文本识别和内容理解", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "", "subject_category": "自然科学", "entity_class_analysis": "", "entity_class": "软件"} | 16 | simplevqa_en | |
According to the criteria of the Japan Meteorological Agency, what level above does the special alert need to be issued for the natural disaster shown in the figure? | 4 | Science and technology | https://baike.baidu.com/item/%E7%81%AB%E5%B1%B1%E5%96%B7%E5%8F%91%E9%A2%84%E8%AD%A6%E7%BA%A7%E5%88%AB/17559828?fr\\u003dge_ala | {"task_category_analysis": "图像中的艺术、文化和自然现象识别，问题询问根据日本气象局的标准，特定自然灾害需要发布特别警报的级别，需要识别图像中的自然灾害类型", "task_category": "图像中的艺术、文化和自然现象识别", "subject_category_analysis": "图片展示的是火山喷发场景，问题内容涉及日本气象厅的自然灾害警报标准，因此包含自然现象与社会应用场景分析。", "subject_category": "自然科学", "entity_class_analysis": "从图片内容来看，主体是火山喷发这一自然现象；从问题来看，亦是以此为核心提问。", "entity_... | 17 | simplevqa_en | |
In what year was the TV program shown in the picture launched? | 1982 | Science and technology | https://www.unrealengine.com/zh-CN/spotlights/the-weather-channel-s-new-studio-brings-immersive-mixed-reality-to-daily-live-broadcasts/ | {"task_category_analysis": "图像中的时间、事件和活动识别，问题询问电视节目的启动年份，需要从图像中识别并推断具体时间信息", "task_category": "图像中的时间、事件和活动识别", "subject_category_analysis": "本问题涉及电视节目的创建和历史背景，属于影视领域。", "subject_category": "影视和传媒", "entity_class_analysis": "问题的答案和图片都与电视节目有关，因此实体类别可以归为电视节目。", "entity_class": "电视剧"} | 18 | simplevqa_en | |
A particular part of the plant in the picture is specialized to form thorns. What is this part? | Base of shaft | Science and technology | https://baike.baidu.com/item/%E5%88%BA%E8%91%B5/2706019?fr\\u003dge_ala | {"task_category_analysis": "图像中的植物部分识别，问题询问植物特定部位的功能，需要植物学知识进行分析", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "提问关注的是植物特定部位的功能及其形态构造，这与自然界植被的生物学相关，属于自然科学的范畴。", "subject_category": "自然科学", "entity_class_analysis": "根据图片内容，主体明确是一种植物，问题也直接询问其某部分结构的功能及特性，属于植物类别。", "entity_class": "植物"} | 20 | simplevqa_en | |
In what year was the illustrated mathematical theorem first stated and proved? | 1838 | Science and technology | https://baike.baidu.com/item/%E5%AF%86%E5%85%8B%E5%AE%9A%E7%90%86?fromModule\\u003dlemma_search-box | {"task_category_analysis": "图像中的时间、事件和活动识别，问题询问数学定理首次提出和证明的时间，需要识别图像中的定理并追溯其历史背景。", "task_category": "图像中的时间、事件和活动识别", "subject_category_analysis": "", "subject_category": "自然科学", "entity_class_analysis": "", "entity_class": "几何定理"} | 21 | simplevqa_en | |
The galaxy shown in the image belongs to which constellation of spiral galaxies? | Posterior occlusion | Science and technology | https://www.nasachina.cn/apod/3224.html | {"task_category_analysis": "图像中的工具或设备功能识别，问题询问图像中显示的星系属于哪个螺旋星系星座，需要对图像中的星系进行识别和分类。", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "", "subject_category": "自然科学", "entity_class_analysis": "", "entity_class": "天文现象"} | 25 | simplevqa_en | |
How many kings was this during the Roman monarchy? | 2 | Science and technology | https://baike.baidu.com/item/%E5%8A%AA%E9%A9%AC%C2%B7%E5%BA%9E%E7%9A%AE%E7%95%99%E6%96%AF/59500413 | {"task_category_analysis": "图像中的数量、方向和位置关系，问题询问罗马君主制期间有多少国王，需要统计特定历史时期的君主数量", "task_category": "图像中的数量、方向和位置关系", "subject_category_analysis": "问题涉及罗马历史背景，与西方历史文化相关。", "subject_category": "西方历史和文化", "entity_class_analysis": "图片展示出的内容为与罗马历史时期相关的雕塑，结合问题推断属于历史符号或文物。", "entity_class": "文物"} | 28 | simplevqa_en | |
Which Chinese dynasty was the author of this book? | Ching Dynasty | Science and technology | https://baike.baidu.com/item/%E6%98%A5%E7%A7%8B%E5%BF%97/6591500?fromModule=lemma_inlink | {"task_category_analysis": "The question asks about the Chinese dynasty associated with the author of a book, which requires identifying the historical period based on the author's name. This falls under the category of identifying time or era in an image context.", "task_category": "图像中的时间、事件和活动识别", "subject_category_... | 29 | simplevqa_en | |
Which philosopher wrote this book? | 伊曼努尔·康德 (Immanuel Kant) | Science and technology | https://baike.baidu.com/item/%E4%BC%8A%E6%9B%BC%E5%8A%AA%E5%B0%94%C2%B7%E5%BA%B7%E5%BE%B7/2631177?fromModule=lemma_inlink | {"task_category_analysis": "图像中的文本和语言处理，问题询问书籍的作者，需从图像中提取书名并识别其作者，属于文本提取任务。", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "本问答涉及到哲学书籍及其作者“伊曼努尔·康德”，这是关于西方哲学思想的一个文化范畴，属于“西方历史和文化”。", "subject_category": "西方历史和文化", "entity_class_analysis": "图片中展示的是一本书籍，问题也围绕这本书籍及其作者展开，因此实体类别显然为“书籍”。", "entity_class": "书籍"} | 30 | simplevqa_en | |
In what year was the work pictured first published? | 1751 | Science and technology | https://baike.baidu.com/item/%E9%81%93%E5%BE%B7%E5%8E%9F%E7%90%86%E7%A0%94%E7%A9%B6/10646385?fr=ge_ala | {"task_category_analysis": "图像中的时间、事件和活动识别，问题询问作品首次出版的年份，需要从图像中提取或推断具体的时间信息。", "task_category": "图像中的时间、事件和活动识别", "subject_category_analysis": "问题的主题围绕书籍这一实体，与该书的出版年份相关，结合图片和问题语境，这里属于文学领域的范畴。", "subject_category": "文学、教育和体育", "entity_class_analysis": "图片展示的是一本书籍的封面，回答的是它的出版年份，因此问答主体的实体类型是书籍。", "entity_class": "书籍"} | 31 | simplevqa_en | |
Which modern personal computer was the recipient of the Turing Award for designing and implementing? | Xerox Alto | Science and technology | https://baike.baidu.com/item/%E6%9F%A5%E5%B0%94%E6%96%AF%C2%B7%E8%90%A8%E5%85%8B%E5%B0%94/5666278?fr\\u003dge_ala | {"task_category_analysis": "图像中的人物和情感识别，问题询问获得图灵奖的现代个人电脑的设计者，需要识别图像中的人物身份...", "task_category": "图像中的人物和情感识别", "subject_category_analysis": "该问题涉及计算机技术史上的一项重要成就（Xerox Alto），与工程技术领域密切相关。", "subject_category": "工程、技术和应用", "entity_class_analysis": "核心问题聚焦的是一款现代个人计算机的名称。", "entity_class": "软件/计算机技术"} | 33 | simplevqa_en | |
What is x in the equation? | -1<AND>-5 | ["ocr", "math"] | MM-Vet/web | {"task_category_analysis": "The question asks to solve for x in a given equation, which involves mathematical calculation and logical reasoning to determine the value of x based on the provided conditions.", "task_category": "图像中的科学、逻辑和医学内容识别", "subject_category_analysis": "问题涉及解方程，属于典型的数学领域知识，与自然科学紧密相关，因此其主题应归类为自然科学。"... | 34 | simplevqa_en | |
What is d in the last equation? | 1.25<OR>=1.25<OR>5/4 | ["ocr", "math"] | MM-Vet/web | {"task_category_analysis": "问题涉及图像中的文本和语言处理，需要识别图像中的数学表达式并提取特定符号d的含义", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "本问题围绕解数学方程，是自然科学领域中的数学知识问题。", "subject_category": "自然科学", "entity_class_analysis": "图片展示了数学方程内容，主体属于数学练习题目。", "entity_class": "数学题"} | 35 | simplevqa_en | |
What is x in the equation? | 0.75<OR>=0.75<OR>3/4 | ["ocr", "math"] | MM-Vet/web | {"task_category_analysis": "该任务涉及图像中的文本和语言处理，问题询问方程中的x值，需要从图像中识别和提取数学方程文本信息，并进行解析。", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "问题和答案都围绕数学方程求解，这显然属于自然科学中的数学部分。", "subject_category": "自然科学", "entity_class_analysis": "图片展示了数学方程的具体形式，属于与数学相关的内容，无其他特殊实体类别。", "entity_class": "软件"} | 36 | simplevqa_en | |
What is y in the last equation? | 5<OR>=5 | ["ocr", "spat", "math"] | MM-Vet/web | {"task_category_analysis": "问题询问给定方程中y的值，属于数学方程求解任务，需识别图像中的文本并解析方程", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "本问答涉及的是基础数学逻辑推理，属于理科领域，可归类为「自然科学」。", "subject_category": "自然科学", "entity_class_analysis": "图片展示的是一系列数学方程，属于基础数学内容。", "entity_class": "数学"} | 40 | simplevqa_en | |
Find the pattern of how the "X" operator is redefined, and answer the given equation in the image. | 13<OR>=13 | ["ocr", "math"] | MM-Vet/web | {"task_category_analysis": "图像中的科学、逻辑和医学内容识别，问题要求分析'X'运算符的重新定义模式，并解答图像中的方程，涉及逻辑推理和模式识别能力。", "task_category": "图像中的科学、逻辑和医学内容识别", "subject_category_analysis": "问题和答案的核心与数学逻辑推理相关，属于自然科学的范畴，因而主题分类为“自然科学”。", "subject_category": "自然科学", "entity_class_analysis": "图片展示的是一个与数学逻辑相关的填空题，不直接涉及具体的实物、场景或人物，而是抽象的数学问题。因此实体类别为“数学题”。",... | 41 | simplevqa_en | |
How many gallons of supreme gasoline can I get with $50? | 13.6<OR>13.7 | ["ocr", "math"] | MM-Vet/web | {"task_category_analysis": "图像中的数量、方向和位置关系，问题询问在给定金额下能购买多少加仑汽油，需要统计计算...", "task_category": "图像中的数量、方向和位置关系", "subject_category_analysis": "", "subject_category": "生活", "entity_class_analysis": "", "entity_class": "餐饮（加油站相关服务内容）"} | 43 | simplevqa_en | |
What is the price difference between diesel and regular gasoline? | 0.11 | ["ocr", "math"] | MM-Vet/web | {"task_category_analysis": "图像中的文本和语言处理，问题询问柴油和普通汽油的价格差异，需要从图像中提取相关文本信息。", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "问题讨论的是加油站的价格差异，这属于日常生活中与汽油、柴油等资源消费相关的内容。", "subject_category": "生活", "entity_class_analysis": "图片聚焦于加油站的价格牌，显示了不同类型燃油的价格信息。", "entity_class": "餐饮（针对加油站服务或消费场景）"} | 44 | simplevqa_en | |
I am getting one funghi pizza and one prosciutto pizza. How much should I pay in total? | 14.8<OR>14,8 | ["ocr", "math"] | MM-Vet/web | {"task_category_analysis": "问题需要根据图像中披萨的价格信息进行数量统计，计算总价。涉及图像中的价格信息提取和简单数学计算。", "task_category": "图像中的数量、方向和位置关系", "subject_category_analysis": "问题的背景与日常生活中的餐饮消费关联，通过分析图片中展示的菜单字样，可以判定该问题的主题是与日常生活相关的场景。", "subject_category": "当代社会", "entity_class_analysis": "图片展示的是一个披萨店的菜单，问题和答案的焦点是披萨店中的具体餐饮商品（两种披萨）。", "entity_class": "餐... | 47 | simplevqa_en | |
What is the gasoline price? | 4.299<OR>4.3 | ["ocr", "math"] | MM-Vet/web | {"task_category_analysis": "图像中的文本和语言处理，问题询问汽油价格，需从图像中的燃料泵显示的文本中提取价格信息...", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "问题涉及加油站信息，是日常生活消费场景中的一个典型问题，与现实中的生活场景直接相关。", "subject_category": "生活", "entity_class_analysis": "图片展示的是一个加油机显示屏，包含加油金额、加油量等信息，问答的主体是显示屏上的价格信息，属于与能源消费相关内容。", "entity_class": "加油机"} | 50 | simplevqa_en | |
What is the color of the hat worn by the person in the front left? | blue | ["rec", "spat"] | MM-Vet/web | {"task_category_analysis": "问题询问的是图像中人物所戴帽子的颜色，需要识别图像中的颜色，属于颜色识别任务。", "task_category": "图像中的食物、颜色和相关属性识别", "subject_category_analysis": "图片展示了一群人在滑雪场合影，并与滑雪相关，这涉及到日常生活场景。", "subject_category": "生活", "entity_class_analysis": "图片的主要内容是人物，结合滑雪场景以及问题的聚焦点（帽子颜色），可以归类为“人物”。", "entity_class": "人物"} | 51 | simplevqa_en | |
What is in the right most bottle? | mousse | ["ocr", "spat"] | MM-Vet/web | {"task_category_analysis": "问题询问图像中最右侧瓶子的内容，需要识别瓶子中的物体，属于图像中的工具或设备功能识别任务。", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "", "subject_category": "生活", "entity_class_analysis": "", "entity_class": "餐饮"} | 53 | simplevqa_en | |
What is the price for tomatoes? | eight<OR>8.0 | ["rec", "ocr", "spat"] | MM-Vet/web | {"task_category_analysis": "The task involves identifying the price of tomatoes in an image, which requires recognizing the object (tomatoes) and extracting the associated price information. This aligns with the category of image-based object recognition combined with text extraction.", "task_category": "图像中的工具或设备功能识别"... | 57 | simplevqa_en | |
What is the number displayed on the motorcycle ridden by the motorcyclist wearing a yellow suit? | 16 | ["rec", "ocr"] | MM-Vet/web | {"task_category_analysis": "问题询问摩托车上显示的数字，属于对图像中特定物体的数量或标识的识别，涉及对图像中数字信息的提取和识别。", "task_category": "图像中的数量、方向和位置关系", "subject_category_analysis": "问题与体育赛事场景有关，图片显示了一场摩托车赛事的赛况，因此主题与体育领域相关。", "subject_category": "文学、教育和体育", "entity_class_analysis": "本问题关注的是摩托车比赛中的选手及其摩托车上的识别号码，主要涉及赛车及运动员比赛。", "entity_class": "体育竞赛"} | 62 | simplevqa_en | |
What is the number displayed on the motorcycle on the right? | 4 | ["rec", "ocr", "spat"] | MM-Vet/web | {"task_category_analysis": "问题询问摩托车显示的号码，需要识别图像中的数字信息，属于图像中的文本和语言处理任务。", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "图片显示了越野摩托车赛事相关的场景，这属于体育运动的领域。", "subject_category": "文学、教育和体育", "entity_class_analysis": "图片的主体为越野摩托车及其比赛场景。", "entity_class": "赛车"} | 63 | simplevqa_en | |
Are which one of these two jets are larger in size? | same | ["rec", "know", "spat"] | MM-Vet/web | {"task_category_analysis": "问题询问两架喷气式飞机中哪一架更大，涉及图像中物体的尺寸比较，需要识别和比较物体的大小关系。", "task_category": "图像中的数量、方向和位置关系", "subject_category_analysis": "涉及到的对象是喷气式战斗机，这与工程和技术相关，属于航空技术层面的范畴，因此归入“工程、技术和应用”主题类别。", "subject_category": "工程、技术和应用", "entity_class_analysis": "图片展示的是两架喷气式战斗机，这是一种具体的工程载具或机器，属于交通工具范畴中的战斗机实体类别。", "entity_cla... | 64 | simplevqa_en | |
Should I add sugar when mixing egg and milk? | no | ["rec", "ocr", "spat"] | MM-Vet/web | {"task_category_analysis": "图像中的食物、颜色和相关属性识别，问题询问在混合鸡蛋和牛奶时是否需要加糖，涉及食物制作过程中的成分选择，属于食物识别范畴...", "task_category": "图像中的食物、颜色和相关属性识别", "subject_category_analysis": "问题和图片内容显然都围绕烹饪制作，这属于日常生活场景，并且涉及基础烹饪知识。", "subject_category": "当代社会", "entity_class_analysis": "图片展示了一个巧克力蛋糕的食谱制作过程，显然主体与餐饮相关。", "entity_class": "餐饮"} | 67 | simplevqa_en | |
What is the last strategy given in the image? | make a song | ["ocr", "spat"] | MM-Vet/web | {"task_category_analysis": "The task involves extracting the last strategy mentioned in the image, which is a textual content extraction task. It requires identifying and retrieving specific text information from the image.", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "图片展示了一系列提高工作记忆的策略，与心理学、教育和个人发展等领... | 75 | simplevqa_en | |
Which category did the worst job in plastic recycling, considering the amount of plastic made and thrown out? | packaging | ["ocr", "spat"] | MM-Vet/web | {"task_category_analysis": "图像中的工具或设备功能识别，问题询问塑料回收表现最差的类别，需要识别图像中的塑料类型，并分析其回收表现...", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "", "subject_category": "当代社会", "entity_class_analysis": "", "entity_class": "数据统计内容"} | 78 | simplevqa_en | |
What is the difference in metric tonnes between the amount of plastic produced and the amount discarded? | 105 | ["ocr", "spat", "math"] | MM-Vet/web | {"task_category_analysis": "问题涉及图像中的数量、方向和位置关系，要求计算塑料生产和丢弃之间的差异，需要基于图像中的数据进行量化分析。", "task_category": "图像中的数量、方向和位置关系", "subject_category_analysis": "问题和图片聚焦于全球范围内塑料的生产和废弃数据，属于全球环境问题的一部分，与自然资源使用、不良处置影响直接相关，因此更接近生态环境和自然科学方向。", "subject_category": "自然科学", "entity_class_analysis": "图片提供的是塑料生产和废弃的数量统计，展现了一种与资源消耗和废弃物管理相关的数据，... | 79 | simplevqa_en | |
What is the estimated average standing charge for the year 2023? | 271 | ["ocr", "spat", "math"] | MM-Vet/web | {"task_category_analysis": "图像中的文本和语言处理，问题询问图像中提到的standing charge的具体数值，需要从图像中提取文本信息...", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "图表内容和问题涉及能源价格的预测（如电费、燃气费、站立费用）以及行业趋势，属于现代社会经济生活的范畴，尤其是与能源价格变动密切相关。", "subject_category": "生活", "entity_class_analysis": "图片的主旨是一个展示能源价格趋势（包括站立费用、燃气费、电费等）的图表，问答的核心主体是「站立费... | 80 | simplevqa_en | |
What are the appliances in the kitchen in this floorplan? | oven<AND>dishwasher | ["ocr", "spat"] | MM-Vet/web | {"task_category_analysis": "问题询问厨房中的电器设备，需要识别图像中特定区域的物体，属于图像中的工具或设备功能识别任务", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "", "subject_category": "当代社会", "entity_class_analysis": "", "entity_class": "建筑"} | 83 | simplevqa_en | |
Which room is bigger, the master bedroom or the patio? | master bedroom | ["ocr", "spat", "math"] | MM-Vet/web | {"task_category_analysis": "图像中的数量、方向和位置关系，问题询问两个房间的大小比较，需要分析图像中房间的位置和尺寸关系...", "task_category": "图像中的数量、方向和位置关系", "subject_category_analysis": "问题涉及的是住宅内部空间的尺寸对比，属于日常生活相关的问题。", "subject_category": "当代社会", "entity_class_analysis": "图片展示的是住宅的平面布局图，内容主体是住宅内部的功能区划分。", "entity_class": "建筑"} | 85 | simplevqa_en | |
Which step in the flowchart is drawn with a diamond shape? | water boiled? | ["rec", "ocr"] | MM-Vet/web | {"task_category_analysis": "问题询问流程图中的特定形状识别，涉及图像中的工具或设备功能识别，需要理解流程图符号的含义和形状特征。", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "", "subject_category": "生活", "entity_class_analysis": "", "entity_class": "流程图"} | 87 | simplevqa_en | |
What is the average wait time to climb out of bed? | 15 min | ["ocr", "spat", "math"] | MM-Vet/web | {"task_category_analysis": "问题询问从床上爬出的平均等待时间，涉及对图像中物体功能的理解，需要识别床的功能及其使用场景。", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "本问题与日常生活行为相关，描述了日常起床过程及时间统计，属于“生活”类主题。", "subject_category": "生活", "entity_class_analysis": "图片为一个功能性流程图，没有明确的具象实体，而问题核心围绕的是人与行为相关，因此可归为与“行为流程相关”的内容。", "entity_class": "行为流程"} | 88 | simplevqa_en | |
Which year has the highest growth rate of median house price? | 2008 | ["ocr", "spat"] | MM-Vet/web | {"task_category_analysis": "图像中的时间、事件和活动识别，问题询问的是房价增长率的最高年份，需要从图像中识别具体的时间点或年代信息", "task_category": "图像中的时间、事件和活动识别", "subject_category_analysis": "", "subject_category": "当代社会", "entity_class_analysis": "", "entity_class": "房产市场"} | 89 | simplevqa_en | |
In which years did rowing and athletics have the same number of gold medals? | 2000<AND>2012 | ["ocr", "spat"] | MM-Vet/web | {"task_category_analysis": "图像中的数量、方向和位置关系，问题询问特定年份中两项运动金牌数量相等的情况，需要对图像中的数据进行统计和对比分析。", "task_category": "图像中的数量、方向和位置关系", "subject_category_analysis": "", "subject_category": "文学、教育和体育", "entity_class_analysis": "", "entity_class": "运动项目图表"} | 91 | simplevqa_en | |
Which department is the person who has the highest salary from? | Administration | ["ocr", "spat"] | MM-Vet/web | {"task_category_analysis": "图像中的人物和情感识别，问题询问最高薪水的个人所属部门，需要识别图像中的人物并关联其职位信息", "task_category": "图像中的人物和情感识别", "subject_category_analysis": "", "subject_category": "当代社会", "entity_class_analysis": "", "entity_class": "表格"} | 92 | simplevqa_en | |
Based on the table, how much is Wilkins earning? | 2500<OR>2,500 | ["ocr", "spat"] | MM-Vet/web | {"task_category_analysis": "问题要求基于表格中的数据识别Wilkins的收入金额，这属于从图像中提取特定数值信息，因此归类为图像中的数量、方向和位置关系。", "task_category": "图像中的数量、方向和位置关系", "subject_category_analysis": "问题涉及公司员工的薪资数据，属于生活场景中的常识问题，与日常生活和社会中的工作薪资等相关联。", "subject_category": "当代社会", "entity_class_analysis": "图片的主体为一张人员薪资表格，主要内容是基于表格中人物和数值信息的交叉查询。", "entity_class": "... | 93 | simplevqa_en | |
In which month is the highest income generated? | Feb | ["ocr", "spat"] | MM-Vet/web | {"task_category_analysis": "图像中的时间、事件和活动识别，问题询问最高收入的月份，需要从图表中识别时间信息...", "task_category": "图像中的时间、事件和活动识别", "subject_category_analysis": "图片和问题围绕“收入”展开，这属于日常经济活动的范畴，与个人财务状况的分析相关，因此与“生活”相关。", "subject_category": "生活", "entity_class_analysis": "图片展示的是一个收入表格，属于图表数据的一种。", "entity_class": "图表"} | 96 | simplevqa_en | |
Who is the person on the left? | Keira Knightley | ["rec", "spat"] | MM-Vet/web | {"task_category_analysis": "The question asks for the identification of a person on the left in the image, which requires recognizing and distinguishing individuals based on visual cues. This falls under the category of identifying persons in images.", "task_category": "图像中的人物和情感识别", "subject_category_analysis": "问题涉及的... | 98 | simplevqa_en | |
Who is the person in the image? | Michelle Yeoh | ["rec"] | MM-Vet/web | {"task_category_analysis": "问题询问图像中的人物身份，需要识别图像中的特定人物，属于人物识别任务。辅助信息提到该人物是奥斯卡获奖女演员，进一步确认了人物识别的必要性。", "task_category": "图像中的人物和情感识别", "subject_category_analysis": "问题涉及一位著名演员，其身份与影视行业直接相关，结合背景可归入“影视和传媒”领域。", "subject_category": "影视和传媒", "entity_class_analysis": "该问题主体为一位知名的公众人物，可以归类于人物。", "entity_class": "人物"} | 99 | simplevqa_en | |
Which one is unsweetened? | oat | ["ocr", "spat"] | MM-Vet/web | {"task_category_analysis": "图像中的食物、颜色和相关属性识别，问题询问图像中哪个物品被标记为无甜味，涉及食物成分识别", "task_category": "图像中的食物、颜色和相关属性识别", "subject_category_analysis": "", "subject_category": "生活", "entity_class_analysis": "", "entity_class": "餐饮"} | 101 | simplevqa_en | |
What is the calories for the entire bag? | 275 | ["ocr", "math"] | MM-Vet/web | {"task_category_analysis": "图像中的食物、颜色和相关属性识别，问题询问整袋食物的卡路里，需要识别食物种类并计算热量，涉及食物营养学知识", "task_category": "图像中的食物、颜色和相关属性识别", "subject_category_analysis": "问题涉及生活中常见的食品包装及其营养信息，属于日常生活领域的内容。", "subject_category": "生活", "entity_class_analysis": "图片展示的是一个冷冻蔬菜袋的食品包装，提问的主体即该产品本身。", "entity_class": "餐饮"} | 103 | simplevqa_en | |
What is the name of this dish? | mapo tofu | ["rec"] | MM-Vet/web | {"task_category_analysis": "图像中的食物、颜色和相关属性识别，问题询问菜肴名称，需要识别图像中的食物特征，辅助信息直接提供了菜肴名称'Mapo Tofu'，表明任务属于食物识别类别。", "task_category": "图像中的食物、颜色和相关属性识别", "subject_category_analysis": "图中的菜品为麻婆豆腐，是中华传统饮食文化的重要代表，属于中国的传统饮食文化范畴。", "subject_category": "中国历史和文化", "entity_class_analysis": "从图片来看，问答中涉及的主体是展示于图片中的一道菜品。", "entity_class":... | 104 | simplevqa_en | |
What is the name of this dish? | Caprese Salad | ["rec"] | MM-Vet/web | {"task_category_analysis": "图像中的食物、颜色和相关属性识别，问题询问菜肴名称，需要识别图像中的食物类型和具体名称。", "task_category": "图像中的食物、颜色和相关属性识别", "subject_category_analysis": "问题和答案涉及的是一道意大利经典菜品“Caprese Salad”，与饮食和生活相关，可以归类到主题“生活”。", "subject_category": "工程、技术和应用", "entity_class_analysis": "图片展示的是一道具体的菜品，通过图片和答案可以确定这是与餐饮相关的实体。", "entity_class": "餐饮"} | 105 | simplevqa_en | |
What is the make of the car on the left? | volkswagen | ["rec", "ocr", "spat"] | MM-Vet/web | {"task_category_analysis": "图像中的工具或设备功能识别，问题询问左侧车辆的制造商，需要对车辆品牌进行识别，属于交通或车辆识别任务", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "", "subject_category": "生活", "entity_class_analysis": "", "entity_class": "汽车"} | 107 | simplevqa_en | |
What does this factory make? | camera | ["ocr"] | MM-Vet/web | {"task_category_analysis": "图像中的工具或设备功能识别，问题询问工厂生产的产品，需要识别工厂的功能或设备用途", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "图片展示的是徕卡（Leica）的工厂，该品牌与工程和工业制造领域密切相关，而问题和答案都聚焦在生产内容这一技术性领域上，因此属于“工程、技术和应用”主题。", "subject_category": "工程、技术和应用", "entity_class_analysis": "图片中展示的主体是徕卡的工厂建筑，问题关注的是其生产内容（相机），因此其实体类别应归为“建筑”... | 108 | simplevqa_en | |
what is the green logo on the car? | monster | ["rec"] | MM-Vet/web | {"task_category_analysis": "图像中的工具或设备功能识别，问题询问汽车上的绿色标志，需要对图像中的标志进行识别和解释，涉及标志设计和文化含义的理解", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "问题与赛车车身上的标志相关，涉及赛车、品牌标识等，属于与日常生活品牌、消费和兴趣爱好相关的范围。", "subject_category": "生活", "entity_class_analysis": "问答的主体是汽车上的品牌标志，该标志是“Monster”，作为一个著名的能量饮料品牌，也常出现在赛车和极限运动相关的场景中。",... | 109 | simplevqa_en | |
What is this banknote? | ten pound<OR>10 pound<OR>British pound | ["rec", "ocr"] | MM-Vet/web | {"task_category_analysis": "图像中的工具或设备功能识别，问题询问图像中的纸币是什么，需要识别纸币的类型和特征，属于物体识别任务。", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "问题涉及英国货币(\"Ten Pounds\")，属于生活领域的内容。", "subject_category": "生活", "entity_class_analysis": "图片主体为英国的一张纸币，属于货币类实物。", "entity_class": "文物"} | 114 | simplevqa_en | |
What type of currency does this banknote represent? | Swede<OR>Kronor | ["rec"] | MM-Vet/web | {"task_category_analysis": "图像中的工具或设备功能识别，问题询问纸币代表的货币类型，需要识别纸币上的货币符号或标志...", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "", "subject_category": "当代社会", "entity_class_analysis": "", "entity_class": "货币"} | 115 | simplevqa_en | |
Which chest xray disease can be found? (Options include: Atelectasis; Cardiomegaly; Effusion; Infiltration; Mass; Nodule; Pneumonia; Pneumothorax; Consolidation; Edema; Emphysema; Fibrosis; Pleural Thickening; Hernia.) | Infiltration | ["rec", "know"] | MM-Vet/ChestX-ray14 | {"task_category_analysis": "图像中的科学、逻辑和医学内容识别，问题询问在胸部X光片中可见的疾病类型，需要医学影像分析能力，特别是对肺部疾病的识别和诊断", "task_category": "图像中的科学、逻辑和医学内容识别", "subject_category_analysis": "", "subject_category": "自然科学", "entity_class_analysis": "", "entity_class": "医学影像"} | 118 | simplevqa_en | |
How many books are there? | 63 | ["rec"] | MM-Vet/web | {"task_category_analysis": "图像中的数量、方向和位置关系，问题询问图像中书籍的数量，需要对图像中的书籍进行计数统计。", "task_category": "图像中的数量、方向和位置关系", "subject_category_analysis": "书籍明显是本问题的核心主题，涵盖多种语言版本的《圣经》，属于宗教文化相关内容，与日常生活也有一定关联。", "subject_category": "当代社会", "entity_class_analysis": "问题聚焦在统计展示在书架上的书籍的数量，图片主体是各种版本的书籍。", "entity_class": "书籍"} | 121 | simplevqa_en | |
What are all the scene text in the image? | S3302CD | ["ocr"] | MM-Vet/web | {"task_category_analysis": "The task requires extracting all visible text within the image scene, which directly aligns with the category of text extraction from images. This involves identifying and recognizing textual elements present in the visual content.", "task_category": "图像中的文本和语言处理", "subject_category_analysis... | 122 | simplevqa_en | |
What are all the scene text in the image? | 5:30PM<AND>88%<AND>Mario Kart 8 Deluxe<AND>MARIO KART 8 DELUXE<AND>SUPER MARIO ODYSSEY<AND>THE LEGEND OF ZELDA<AND>BREATH OF WILD<AND>Options<AND>Start | ["ocr"] | MM-Vet/web | {"task_category_analysis": "图像中的文本和语言处理，问题询问图像中所有场景文本，需要识别图像中的文字内容，属于文本提取任务。", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "", "subject_category": "当代社会", "entity_class_analysis": "", "entity_class": "软件"} | 125 | simplevqa_en | |
What are all the scene text in the image? | MR. WILLIAM SHAKESPEARES<AND>COMEDIES, HISTORIES, & TRAGEDIES.<AND>publifhed according to the True Originall Copies. | ["ocr"] | MM-Vet/web | {"task_category_analysis": "问题询问图像中的文本内容，需要识别和提取图像中的文本信息，属于文本提取任务。", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "", "subject_category": "西方历史和文化", "entity_class_analysis": "", "entity_class": "书籍"} | 126 | simplevqa_en | |
What is the license plate number? | AED-632 | ["ocr"] | MM-Vet/web | {"task_category_analysis": "问题询问车牌号码，属于对图像中特定文本信息的提取，需识别车牌上的数字或字母组合，因此归类为图像中的文本和语言处理任务。", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "车牌号码具有与交通工具和出行相关的属性，问题和回答实际上反映了生活中的常见场景，因此归类为生活主题。", "subject_category": "生活", "entity_class_analysis": "图片中清晰展示了一副车牌，并且问题的核心实体是车牌的号码信息，因此实体类别可以归类为物体的车牌。", "entity_clas... | 129 | simplevqa_en | |
What are all the French scene text in the image? | HISTOIRE DE FRANCE<AND>De La préhistoire à ans jours<AND>Queelle Histoire | ["ocr"] | MM-Vet/web | {"task_category_analysis": "问题要求识别图像中的法语场景文本，属于文本提取任务，需从图像中提取特定语言文本。", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "图片内容为一本关于法国历史的书，结合提问和答案，主题聚焦于法国的历史与文化。", "subject_category": "西方历史和文化", "entity_class_analysis": "图片展示的是一本书的封面，提问的核心内容也与之相关。", "entity_class": "书籍"} | 130 | simplevqa_en | |
What are all the Chinese scene text in the image? | 马曳<AND>著<AND>细细密密的光<AND>每个人都有自己的困境<AND>但总会被光亮吸引<AND>身不由己地慢慢靠近 | ["ocr"] | MM-Vet/web | {"task_category_analysis": "图像中的文本和语言处理，问题询问图像中的中文场景文本，需要识别和提取图像中的中文文本内容", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "", "subject_category": "文学、教育和体育", "entity_class_analysis": "", "entity_class": "书籍"} | 131 | simplevqa_en | |
Which continent is highlighted? | Asia | ["rec", "know"] | MM-Vet/web | {"task_category_analysis": "图像中的地点和建筑识别，问题询问图像中高亮的区域是哪个大陆，需要识别图像中的地理区域，并确定其所属的大陆。", "task_category": "图像中的地点和建筑识别", "subject_category_analysis": "问题涉及地理知识，具体是关于地理区域划分和洲际知识的判断，属于自然科学领域。", "subject_category": "自然科学", "entity_class_analysis": "图片的主体是地图，主要表现为地理区域的划分，其中被标注的重点是\"亚洲大陆\"的区域。", "entity_class": "地图"} | 132 | simplevqa_en | |
In which country did the events in this photograph take place? | qatar | ["rec", "know"] | MM-Vet/web | {"task_category_analysis": "图像中的地点和建筑识别，问题询问照片中事件发生的地点，需要识别图像中的地理位置信息。辅助信息明确指出地点为阿根廷，因此任务属于地点识别。", "task_category": "图像中的地点和建筑识别", "subject_category_analysis": "图片展示了世界杯相关的庆祝场景以及奖杯，问题涉及的是足球赛事场地的信息，属于体育领域。", "subject_category": "文学、教育和体育", "entity_class_analysis": "图片中的球队成员正在庆祝世界杯冠军的夺得，中心实体为世界杯奖杯和夺冠场地，因此与体育赛事相关。", "enti... | 138 | simplevqa_en | |
In which country was this photo taken? | australia | ["rec", "know"] | MM-Vet/web | {"task_category_analysis": "图像中的地点和建筑识别，问题询问照片拍摄的国家，需要识别图像中的地理位置特征，结合辅助信息中的'Australian Open'可推断涉及地点识别", "task_category": "图像中的地点和建筑识别", "subject_category_analysis": "图片显示了与网球相关的奖杯，问题回答暗示了照片拍摄地（澳大利亚），与一个知名网球赛事（澳网）有关。因此，涉及「文学、教育和体育」领域。", "subject_category": "文学、教育和体育", "entity_class_analysis": "图片主体是一个奖杯，与网球赛事和体育相关，属于「赛事... | 139 | simplevqa_en | |
Are the trees taller than the giraffes? | no | ["rec"] | MM-Vet/web | {"task_category_analysis": "图像中的数量、方向和位置关系，问题询问树木是否比长颈鹿高，涉及图像中物体的高度比较，需要分析图像中物体的位置关系...", "task_category": "图像中的数量、方向和位置关系", "subject_category_analysis": "", "subject_category": "自然科学", "entity_class_analysis": "", "entity_class": "动植物"} | 140 | simplevqa_en | |
Is the trash empty or full? | empty | ["rec"] | MM-Vet/web | {"task_category_analysis": "The question asks about the state of the trash in the image, specifically whether it is empty or full. This involves recognizing the condition or status of an object in the image.", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "垃圾箱是否为空是日常生活中的场景，涉及家庭环境的日常问题。", "subject_categ... | 143 | simplevqa_en | |
How's the weather? | clear<OR>sunny | ["rec"] | MM-Vet/web | {"task_category_analysis": "问题询问图像中的天气状况，属于自然现象的识别，需要判断天气类型...", "task_category": "图像中的艺术、文化和自然现象识别", "subject_category_analysis": "", "subject_category": "工程、技术和应用", "entity_class_analysis": "", "entity_class": "建筑"} | 152 | simplevqa_en | |
What is the color of the fence made of metal? | green | ["rec"] | MM-Vet/web | {"task_category_analysis": "问题询问图像中金属栅栏的颜色识别，需要视觉色彩分析能力，属于颜色识别任务。", "task_category": "图像中的食物、颜色和相关属性识别", "subject_category_analysis": "问题和图片内容涉及的是日常生活场景中的细节信息（例如围栏的颜色），因此与“生活”主题相关。", "subject_category": "生活", "entity_class_analysis": "图片中出现的是一个圈养的农场场景，主要展示的是羊圈设施中的围栏，而问题的主体是金属制围栏。", "entity_class": "建筑"} | 153 | simplevqa_en | |
Is the curtain on the right side or on the left of the picture? | left | ["rec", "spat"] | MM-Vet/web | {"task_category_analysis": "问题询问窗帘在图片中的位置，涉及方向或位置关系的识别，需通过视觉分析判断窗帘位于图像的右侧或左侧。", "task_category": "图像中的数量、方向和位置关系", "subject_category_analysis": "图片显示的是日常生活场景中的一个书桌和窗帘，问题和答案也聚焦于生活化的主题。", "subject_category": "文学、教育和体育", "entity_class_analysis": "图片中的主体内容是一个现代化的书桌场景，包括窗帘、桌子和装饰品，无特殊特指对象，主要属于常规家居场景。", "entity_class": "家居"} | 156 | simplevqa_en | |
Is there a computer in this photo? | no | ["rec"] | MM-Vet/web | {"task_category_analysis": "图像中的工具或设备功能识别，问题询问照片中是否存在电脑，需要识别图像中的物体类别并判断是否为电脑", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "图片涉及的是日常生活中的场景，包括猫咪、书本、饮品等物品，而问题也很抽象，无明显与专业领域相关的背景。", "subject_category": "工程、技术和应用", "entity_class_analysis": "根据图片内容，主体包含一只猫、一本书、一杯咖啡，以及家庭生活环境的布置。提问的主体是围绕图片中的“电脑”是否存在，但并未与实际的特... | 157 | simplevqa_en | |
Are there nuts or vegetables? | no | ["rec"] | MM-Vet/web | {"task_category_analysis": "The question asks whether nuts or vegetables are present, which involves identifying specific food items in the image. This falls under the category of recognizing food or cuisine in an image.", "task_category": "图像中的食物、颜色和相关属性识别", "subject_category_analysis": "问题和图片内容集中于生活场景中的饮食相关信息，既涉及食品属性... | 159 | simplevqa_en | |
Are there both plates and forks in this picture? | yes | ["rec"] | MM-Vet/web | {"task_category_analysis": "图像中的工具或设备功能识别，问题询问图片中是否存在盘子和叉子，需要识别具体物体...", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "", "subject_category": "当代社会", "entity_class_analysis": "", "entity_class": "餐饮"} | 160 | simplevqa_en | |
What kind of parrot is this? | conure | ["rec"] | MM-Vet/web | {"task_category_analysis": "问题询问图像中的鸟类种类识别，涉及对图像中具体动物的分类和识别，属于图像中的工具或设备功能识别任务。", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "问题涉及自然界中的鸟类，属于自然科学的范畴。", "subject_category": "自然科学", "entity_class_analysis": "问题的核心实体是图片中的鸟类，即识别动物种类，属于动物实体类别。", "entity_class": "动物"} | 161 | simplevqa_en | |
Which animal in the picture is larger, the cat or the dog? | cat | ["rec", "spat"] | MM-Vet/web | {"task_category_analysis": "The question asks to compare the size of two animals in the image, which involves analyzing the physical attributes of the animals, specifically their size. This falls under the category of identifying the relative size or position relationship between objects in an image.", "task_category":... | 162 | simplevqa_en | |
Is the surfer to the left or to the right of the surfboard? | left | ["rec", "spat"] | MM-Vet/web | {"task_category_analysis": "问题询问冲浪者在冲浪板的位置关系，需要分析图像中物体之间的相对位置，属于方向或位置关系的识别任务。", "task_category": "图像中的数量、方向和位置关系", "subject_category_analysis": "问题和图像内容与冲浪、体育运动相关，属于体育和生活场景的主题。", "subject_category": "文学、教育和体育", "entity_class_analysis": "图像主体为正在进行冲浪活动的冲浪者和冲浪板，问答内容与体育活动紧密相关。", "entity_class": "体育"} | 165 | simplevqa_en | |
What is the lamp on, a side table or a nightstand? | side table | ["rec", "spat"] | MM-Vet/web | {"task_category_analysis": "问题询问灯放置在哪个家具上，需要识别图像中灯的位置关系，属于物体与家具的位置关系识别...", "task_category": "图像中的数量、方向和位置关系", "subject_category_analysis": "", "subject_category": "文学、教育和体育", "entity_class_analysis": "", "entity_class": "家具"} | 166 | simplevqa_en | |
Does the shirt have a different color than the kite? | yes | ["rec"] | MM-Vet/web | {"task_category_analysis": "问题询问衬衫和风筝的颜色是否不同，需要识别图像中物体的颜色并进行比较，属于颜色识别任务。", "task_category": "图像中的食物、颜色和相关属性识别", "subject_category_analysis": "图片反映了一个户外场景，问题围绕生活中衣物和风筝的颜色对比，属于日常生活场景。", "subject_category": "生活", "entity_class_analysis": "图片主体集中在两类实体：服饰（衬衫）和风筝，而问题关注的是它们的颜色对比。", "entity_class": "服饰"} | 169 | simplevqa_en | |
Are these two animals different species? | yes | ["rec"] | MM-Vet/web | {"task_category_analysis": "图像中的动物识别，问题询问两种动物是否为不同物种，需要识别和区分不同动物种类，属于图像中的工具或设备功能识别任务。", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "问题涉及自然界中的两种动物（鹿和老虎）的物种分类，属于自然科学领域中的生物学相关问题。", "subject_category": "自然科学", "entity_class_analysis": "图片中展示的是两种动物（鹿和老虎）的形态及自然生境，主体是动物。", "entity_class": "动物"} | 171 | simplevqa_en | |
There is a woman in pajamas in the picture. She is getting ready for bed. I think so because The room appears to be a bedroom and the woman is headed in the general direction of her bed. Which film does the scene in the picture come from? | 《Crazy, Stupid, Love》 | ["rec", "know", "gen"] | MM-Vet/vcr2590 | {"task_category_analysis": "图像中的时间、事件和活动识别，问题询问图像中的场景来自哪部电影，需要识别图像中的事件或活动与电影场景的关联...", "task_category": "图像中的时间、事件和活动识别", "subject_category_analysis": "", "subject_category": "影视和传媒", "entity_class_analysis": "", "entity_class": "电影"} | 174 | simplevqa_en | |
This is happening in a fancy restaurant. I think so because the man is dressed fancily and the background is fancy. Which film does the scene in the picture come from? | 《Titanic》 | ["rec", "know", "gen"] | MM-Vet/vcr3005 | {"task_category_analysis": "图像中的时间、事件和活动识别，问题询问电影场景识别，需要分析图像中的事件或活动背景...", "task_category": "图像中的时间、事件和活动识别", "subject_category_analysis": "提问和回答都与影视作品相关，其中指定了著名电影《Titanic》。", "subject_category": "影视和传媒", "entity_class_analysis": "问题的实体是电影作品《Titanic》，答案也是明确指出该电影。", "entity_class": "电影"} | 175 | simplevqa_en | |
the woman in red and the man appear to be a couple and the woman in red would not appreciate the man checking out other women. I think so because in a monogamous relationship, partners are expected to be faithful to one another. Who is the actress in red? | Anna Faris | ["rec", "know", "gen"] | MM-Vet/vcr3065 | {"task_category_analysis": "问题询问图像中穿红色衣服的女演员身份，属于图像中的人物和情感识别任务，需要识别特定人物的身份信息。", "task_category": "图像中的人物和情感识别", "subject_category_analysis": "问题涉及关于演员的信息，这属于影视文化领域的一部分，结合问题与图中场景，明确主题为影视和传媒。", "subject_category": "影视和传媒", "entity_class_analysis": "问题及答案聚焦于某位演员，而职业演员属于人物分类，因此问答的主体涉及人物。", "entity_class": "人物"} | 177 | simplevqa_en | |
In the picture, there is a man and a woman on the basketball court. She just shot a basketball. I think so because Her arms are angled for a basketball shot and they are in a basketball arena. This scene is from a movie, who is its director? | Mark Mylod | ["rec", "know", "gen"] | MM-Vet/vcr3076 | {"task_category_analysis": "图像中的时间、事件和活动识别，问题描述了篮球场上的场景，涉及人物动作和场景识别，需要判断电影导演...", "task_category": "图像中的时间、事件和活动识别", "subject_category_analysis": "问题涉及电影场景和导演信息，属于影视领域的问题。", "subject_category": "影视和传媒", "entity_class_analysis": "问题的核心在于询问电影的导演，因此问答主体与电影相关。", "entity_class": "电影"} | 178 | simplevqa_en | |
They are all looking around at the paintings and decorations. This is a shot from a movie, what season is the movie in the series? | 6 | ["rec", "know", "gen"] | MM-Vet/vcr3130 | {"task_category_analysis": "图像中的时间、事件和活动识别，问题询问电影系列中的季节，需要识别图像中的季节特征和电影系列的时间背景...", "task_category": "图像中的时间、事件和活动识别", "subject_category_analysis": "", "subject_category": "影视和传媒", "entity_class_analysis": "", "entity_class": "电影"} | 180 | simplevqa_en | |
The person in the meme plans to do something at 8 o'clock, but when they miss that deadline by a few minutes, they decide to wait until 9 o'clock instead. The image of Kermit the Frog lying in bed represents the person's laziness and lack of motivation to complete the task. This behavior is teased by people why symptom... | procrastination | ["rec", "ocr", "know", "gen"] | MM-Vet/web | {"task_category_analysis": "图像中的人物和情感识别，问题询问Kermit the Frog图像所代表的行为和情感，需要识别图像中的情感表达和人物意图...", "task_category": "图像中的人物和情感识别", "subject_category_analysis": "问题和答案关注的是与心理学相关的行为，结合图片调侃了人们的普遍生活习惯（拖延）。", "subject_category": "生活", "entity_class_analysis": "图片的主体是青蛙Kermit，这种形象广泛用于网络表情包和互联网传播。", "entity_class": "动漫"} | 182 | simplevqa_en | |
This meme is poking fun at how a student's handwriting deteriorates during an exam. The first two pages show neat and legible handwriting, the middle page shows slightly messier handwriting, and the last two pages show completely illegible scribbles. This is likely due to the student becoming tired or rushed as the exa... | electrocardiogram | ["rec", "ocr", "know", "gen"] | MM-Vet/web | {"task_category_analysis": "问题询问了图像中最后一幅图的名称，需要识别图像中的特定内容，属于图像中的工具或设备功能识别任务。", "task_category": "图像中的工具或设备功能识别", "subject_category_analysis": "这张图片以“学生考试过程中字体变化”为主题，结合幽默的方式进行讽刺，涉及到生活中关于学生书写习惯及心理状态的日常现象，属于对日常生活的观察和讽刺。", "subject_category": "文学、教育和体育", "entity_class_analysis": "图片主体展示的是一段文字的书写逐步演变为类似心电图形式的内容，问题询问的是这种最终的“... | 185 | simplevqa_en | |
Which channel is the cartoon first broadcast on? | Nickelodeon | ["rec", "ocr", "know", "gen"] | MM-Vet/web | {"task_category_analysis": "图像中的文本和语言处理，问题询问卡通首次播出的频道，需要从图像中提取文本信息，涉及对图像中可能存在的频道名称或相关文本的识别。", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "", "subject_category": "影视和传媒", "entity_class_analysis": "", "entity_class": "动漫"} | 186 | simplevqa_en | |
In which year was the TV show shown on the left first broadcast? | 2010 | ["rec", "know", "gen"] | MM-Vet/web | {"task_category_analysis": "问题询问电视节目首次播出的年份，需要从图像中识别时间信息，属于图像中的时间、事件和活动识别任务。", "task_category": "图像中的时间、事件和活动识别", "subject_category_analysis": "问题围绕电视节目展开，电视节目内容属于媒体传播和文娱领域。", "subject_category": "影视和传媒", "entity_class_analysis": "图片中左侧部分对应的电视节目为问题的核心实体，问题询问的是该节目首次播出的时间，因此实体归属于电视剧。", "entity_class": "电视剧"} | 188 | simplevqa_en | |
What's this meme called? | Screaming Panda | ["rec", "know", "gen"] | MM-Vet/web | {"task_category_analysis": "图像中的文本和语言处理，问题询问图像中的meme名称，需要通过图像中的文本或符号识别来提取meme的名称", "task_category": "图像中的文本和语言处理", "subject_category_analysis": "图片和问题涉及的是一个网络流行文化现象（meme）的识别与命名，反映了当代互联网语境下的亚文化产物。因此，属于对现代社会现象的反映。", "subject_category": "当代社会", "entity_class_analysis": "该图片是一张网络流行的“尖叫熊猫”表情包，其核心内容属于网络文化和图像模因（meme）的范畴。", "e... | 190 | simplevqa_en | |
How many fruits are there in this picture? | 3 | ["rec", "know", "gen"] | MM-Vet/web | {"task_category_analysis": "问题询问图像中水果的数量，需要识别图像中的物体并进行数量统计，属于图像中的数量、方向和位置关系任务", "task_category": "图像中的数量、方向和位置关系", "subject_category_analysis": "", "subject_category": "当代社会", "entity_class_analysis": "", "entity_class": "餐饮"} | 193 | simplevqa_en | |
According to the above description, what is the standard name for the food in the picture? | Ginger Glazed Mahi Mahi | ["rec", "know", "gen"] | MM-Vet/web | {"task_category_analysis": "图像中的食物识别，问题询问图片中食物的标准名称，需要识别具体食物类型...", "task_category": "图像中的食物、颜色和相关属性识别", "subject_category_analysis": "本问题的背景涉及食物的命名，并不涉及某些特定的文化符号或历史背景，仅与日常生活相关，适配“生活”主题。", "subject_category": "生活", "entity_class_analysis": "通过图片和答案内容得知，主图展示的是一份餐饮食物，答案点明了食物的具体种类为“Ginger Glazed Mahi Mahi”。", "entity_clas... | 194 | simplevqa_en | |
According to the above description, what is the standard name for the food in the picture? | Chocolate Coated Peanut Butter Crackers | ["rec", "know", "gen"] | MM-Vet/web | {"task_category_analysis": "图像中的食物、颜色和相关属性识别，问题询问图片中食物的标准名称，需要识别食品种类和具体名称...", "task_category": "图像中的食物、颜色和相关属性识别", "subject_category_analysis": "问题内容与日常食品有关，图片展示的是生活中常见的小吃类食品，因此该问答的主题是生活类。", "subject_category": "生活", "entity_class_analysis": "图片中的主要展示对象是某种甜点/零食（巧克力裹夹心饼干），实体类别明确归为餐饮。", "entity_class": "餐饮"} | 197 | simplevqa_en | |
According to the above description, what is the standard name for the food in the picture? | Cream Cheese and Crab Sushi Rolls | ["rec", "know", "gen"] | MM-Vet/web | {"task_category_analysis": "图像中的食物、颜色和相关属性识别，问题询问图片中食物的标准名称，需要识别食物的具体类别和名称，属于食物识别任务。", "task_category": "图像中的食物、颜色和相关属性识别", "subject_category_analysis": "问题涉及的是食物，属于与日常生活和饮食相关的问题，因此其主题类别应归为“生活”。", "subject_category": "生活", "entity_class_analysis": "根据图片内容以及答案可以确认问答主体为一道食物——寿司卷。因此其实体类别为“餐饮”。", "entity_class": "餐饮"} | 199 | simplevqa_en | |
What is this movie? | The Dark Knight | ["rec", "know", "gen"] | MM-Vet/The Dark Knight is a 2008 superhero film directed by Christopher Nolan from a screenplay he co-wrote with his brother Jonathan. Based on the DC Comics superhero, Batman, it is the sequel to Batman Begins (2005) and the second installment in The Dark Knight Trilogy. The plot follows the vigilante Batman, police l... | {"task_category_analysis": "The task involves identifying a specific movie depicted in an image, which requires recognition of visual elements related to the movie's branding or scenes. This falls under the category of image-based event or activity identification.", "task_category": "图像中的时间、事件和活动识别", "subject_category_... | 204 | simplevqa_en |
End of preview. Expand in Data Studio
simplevqa: 500-sample lite benchmark
500 evaluation examples sampled with seed 42. Sampling: uniform random rows without replacement.
Sources and attribution
- gsarch/SimpleVQA-EN, revision
9f8bc1d1792667a8b29fda77726061acce3a3401.
Original dataset and source-image terms apply; this subset does not relicense them. See the linked upstream datasets for their license and citation information.
Reproducibility
subset.json records the pinned sources, selected source indices, decoded-image/label hashes, native task configurations, seed, and sampling procedure. _lite_source_index and _lite_task_id identify each example in its prepared source split. Image bytes are embedded in the Parquet files; no cluster paths are required. Original pixels, questions, reference labels, and scoring fields are preserved.
This is an evaluation subset. Its scores are not full-benchmark scores. Use the native benchmark metrics from foveated_vlm. This benchmark requires judge scoring and is excluded from the judge-free lite suite.
- Downloads last month
- 30