RefCOCO

为什么重要

RefCOCO 系列（RefCOCO/RefCOCO+/RefCOCOg）是视觉定位（visual grounding）的标准基准，测试模型根据自然语言描述在图像中定位目标物体的能力。

评测设计

给定图像和文字描述（如「左边穿红衣服的人」），模型需输出对应物体的边界框。RefCOCO+ 禁用位置词，RefCOCOg 使用更长的描述。