GREC：广义指代表达理解

经典指代表达理解（REC）的目标是生成与给定文本描述中所提及物体相对应的边界框。通常，经典 REC 中的现有数据集与技术专为涉及单一目标的表达而设计，即一个单独的表达关联于一个特定物体。涉及多个目标或不涉及特定目标的表达尚未被考虑。这一限制阻碍了 REC 的实际适用性。本研究引入了一个称为广义指代表达理解（GREC）的新基准。该基准通过允许表达描述任意数量的目标物体，扩展了经典 REC。为实现此目标，我们构建了首个大规模 GREC 数据集，名为 gRefCOCO。该数据集涵盖一系列表达：涉及多个目标的表达、无特定目标的表达，以及单目标表达。GREC 与 gRefCOCO 的设计确保了与经典 REC 的平滑兼容。所提出的 gRefCOCO 数据集、GREC 方法实现代码以及 GREC 评估代码可在 https://github.com/henghuiding/gRefCOCO 获取。