VQASynth

把图片视频自动变成带空间推理的VQA训练数据

VQASynth 是一个面向多模态数据集构建的开源工具，核心目标是把普通图像或视频转化为带有空间推理能力的视觉问答（VQA）训练数据。它通过场景重建与空间关系抽取，自动生成关于物体位置、相对距离、遮挡关系等空间语义的问答对，解决当前多模态大模型在空间理解任务上缺乏高质量标注数据的问题。项目以 Python 实现，提供可组合的数据生成流水线，支持接入视觉模型与语言模型协同工作，输出可直接用于训练 SpatialVLM 等空间视觉语言模型的数据集。适合需要自建多模态训练数据的研究者和工程团队，减少人工标注成本，同时提升数据在空间推理维度上的覆盖度。

开源 free 数据集
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 590
维护状态 活跃
是否开源 是
定价模式 free

项目数据

分类数据集
开发团队remyxai
所属国家
官网地址https://twitter.com/smellslikeml/status/1756723056675094726
GitHubhttps://github.com/remyxai/VQASynth
定价模式free
价格说明开源免费，需自行部署
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型agent,dataset-generation,multimodal-datasets,multimodal-deep-learning,scene-reconstruction,spatial-reasoning,spatialvlm,synthetic-dataset-generation
GitHub 星标★ 590
30天Star增速
HF 下载量
上线时间2024-02-17 00:00:00
最近更新2026-09-11 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-21
浏览次数0

使用教程

核心亮点

  • 自动生成空间关系问答，省去人工标注成本
  • 流水线可组合，能按需替换视觉与语言模型组件
  • 直接面向 SpatialVLM 等空间推理模型的数据需求

不足之处

  • 依赖外部模型，生成质量受底层视觉/语言模型影响
  • 文档与社区规模较小，使用门槛待观察

适用场景

  • 为空间视觉语言模型构建训练数据集
  • 机器人/具身智能场景下的空间理解数据准备
  • 多模态研究中的合成数据增强与评测集生成

替代项目

LLaVA、ShareGPT4V

项目介绍

VQASynth 是数据集领域的开源项目，由 remyxai 开发，2024 年首次发布。

它收录于数据集分类，该分类目前共有 278 个项目，GitHub 星标数为 590。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-11。开源免费，需自行部署。

它主要面向的使用场景是：为空间视觉语言模型构建训练数据集。同类可对比的替代方案包括 LLaVA、ShareGPT4V。

上一篇：ml-stuttering-events-dataset

下一篇：malecns

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注，图像视频文本通吃，导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10496 2026-08-10
aisheets 开源

像用表格一样批量调 AI，不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1643 2026-09-20
distilabel 开源

基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3395 2026-08-10
DataGen 开源

用大模型一键生成定制化训练数据，告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09