一篇新论文详细介绍了重新标注ImageNet-1k数据集的广泛过程，揭示了原始标签存在严重问题。研究人员发现，大约12%的标签不正确，33.3%的图像是多标签的，3.8%的图像不包含相关对象。这项名为ReImageNet的全面重新标注工作包括多标签校正、对象定位和修订的类别定义，使监督模型准确性提高了高达1.2%，多模态大模型（MLLMs）提高了5-6%。该研究表明，大规模标注需要迭代改进，并强调了人与大模型协作在实现高质量结果方面的有效性。 AI
影响 强调了高质量数据集在AI开发中的关键需求以及准确数据对模型性能提升的潜力。
排序理由 该集群包含一篇详细介绍新数据集和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
