Kosmos 2 lavoro svolto finora

Come funziona il modello §

I dati “raw” §

I dati sono situati in una cartella. Ad ogni ambiente corrispondono una serie di immagini che ne catturano diverse porzioni.

Qui sotto l’esempio dell’ambiente 3486

Per ogni sono catturate multiple immagini da diverse posizioni:

Per ognuna delle posizioni vengono catturate una serie di immagini da diversi angoli:

Due degli angoli catturati con la telecamera in “posizione 0”.

Ognuno di questi ambienti contiene un file json che contiene informazioni riguardanti l’ambiente e, in particolare le informazioni riguardanti gli oggetti presenti nell’ambiente e i loro relativi bounding box per ogni immagine.

Gli oggetti possono essere contenuti nel campo “objects” o essere dei “figli” di un “Object” e quindi essere situati nel campo “children”.

              "image": "images/LivingRoom/bounding_box/position_2/3486_LivingRoom_bounding_box_pos_2_180.jpg",
              "resolution": {
                "width": 600,
                "height": 600,
                "origin": "upper left"
              },
              "bounding_box": {
                "x1": 0,
                "y1": 293,
                "x2": 78,
                "y2": 333
              }
            }
          ]
        },

Qui c’è un esempio delle coordinate di un bounding box specificato nel file json

non ci sono oggetti invisibili

non ci sono oggetti invisibili: nonstante si possano inserire oggetti da procThor all’interno di entità chiuse come il frigorifero o i cassetti, questi non sono stati inclusi all’interno del dataset, quindi non ci dobbiamo preoccupare di oggetti che non siano visibili perchè chiusi in un’altra entità

Otput.csv §

Adesso è il momento di estrarre il file “output.csv” Questo file contiene una entry per ogni oggetto che compare in ogni immagine. Questo significa che contiene le informazioni di ogni oggetto che compare in ogni immagine. Se un oggetto compare in più di un immagine, ad esempio in tre immagini, comparirà tre volte in questo file (ogni volta con un bounding box diverso, e riferito ad un’altra immagine).

Qui c’è un esempio delle prime righe del file “output.csv”. Per ogni entry c’è:

1. L’ambiente in cui compare l’entità
2. il tipo di entità che compare nell’ambiente
3. le lexical references di quell’entità
4. il path (relativo) all’immagine che contiene quell’oggetto (una con bounding box disegnato e una senza)
5. Il bounding box dell’entità sull’immagine

Questo file viene estratto usando lo script “output_data_generator.py”

Output_data_generator.py §

Questo script prende in input il file “output.csv” ed itera su ogni file json all’interno della cartella che contiene i dati. Per ogni cartella ambiente prende il file json corrispondente ed estrae:

1. gli objects
2. i children di ogni objects

import os
import json
import pandas as pd
import re
 
# Function to calculate normalized bounding box coordinates based on image resolution
def calculate_normalized_bbox(resolution, bbox):
    width, height = resolution['width'], resolution['height']
    x1 = bbox['x1'] / width
    y1 = bbox['y1'] / height
    x2 = bbox['x2'] / width
    y2 = bbox['y2'] / height
    return x1, y1, x2, y2
 
# Function to split camel case or compound words into separate words
def split_entity_type(entity_type):
    return ' '.join(filter(None, re.split(r'([A-Z][a-z]+)', entity_type)))
 
# Function to process a JSON file and extract relevant information
def process_json_file(directory, file, root_directory):
    with open(os.path.join(directory, file)) as f:
        data = json.load(f)
    
    objects = data.get("objects", [])
    environment = directory.split("/")[-1]
    
    rows = []
    for obj in objects:
        entity_type = obj.get("assetType", "")
        lexical_references = obj.get("lexical_reference", [])
        
        for image_info in obj.get("images", []):
            bounding_box_path = image_info.get("image", "")
            resolution = image_info.get("resolution", {})
            bounding_box = image_info.get("bounding_box", {})
            
            x1, y1, x2, y2 = calculate_normalized_bbox(resolution, bounding_box)
            
            # Modify bounding box image path
            bounding_box_dir, image_name = os.path.split(bounding_box_path)
            relative_image_path_bbox = os.path.relpath(os.path.join(directory, bounding_box_path), root_directory)
            
            # Get normal image path by replacing "bounding_box" with "normal" in the directory
            normal_dir = bounding_box_dir.replace("bounding_box", "normal")
            relative_image_path_normal = os.path.join(
                os.path.relpath(directory, root_directory),
                normal_dir,
                image_name.replace("bounding_box_", "")
            )
            
            rows.append({
                "environment": environment,
                "entity_type": split_entity_type(entity_type),
                "lexical_references": lexical_references,
                "image_bbox": relative_image_path_bbox,
                "image_normal": relative_image_path_normal,
                "bounding_box": (x1, y1, x2, y2)
            })
            
        # Process information from the "children" field
        children = obj.get("children", [])
        for child in children:
            child_entity_type = child.get("assetType", "")
            child_lexical_references = child.get("lexical_reference", [])
            
            for image_info in child.get("images", []):
                bounding_box_path = image_info.get("image", "")
                resolution = image_info.get("resolution", {})
                bounding_box = image_info.get("bounding_box", {})
                
                x1, y1, x2, y2 = calculate_normalized_bbox(resolution, bounding_box)
                
                # Modify bounding box image path
                bounding_box_dir, image_name = os.path.split(bounding_box_path)
                relative_image_path_bbox = os.path.relpath(os.path.join(directory, bounding_box_path), root_directory)
                
                # Get normal image path by replacing "bounding_box" with "normal" in the directory
                normal_dir = bounding_box_dir.replace("bounding_box", "normal")
                relative_image_path_normal = os.path.join(
                    os.path.relpath(directory, root_directory),
                    normal_dir,
                    image_name.replace("bounding_box_", "")
                )
                
                rows.append({
                    "environment": environment,
                    "entity_type": split_entity_type(child_entity_type),
                    "lexical_references": child_lexical_references,
                    "image_bbox": relative_image_path_bbox,
                    "image_normal": relative_image_path_normal,
                    "bounding_box": (x1, y1, x2, y2)
                })
 
    return rows
 
# Main function to process all JSON files in the specified directories recursively
def process_directories_recursively(root_directory):
    data_rows = []
 
    for root, dirs, files in os.walk(root_directory):
        json_files = [f for f in files if f.endswith(".json")]
 
        for json_file in json_files:
            data_rows.extend(process_json_file(root, json_file, root_directory))
 
    return data_rows
 
# Define the root directory
root_directory = "../huric/en"
 
# Process directories recursively and create DataFrame
data = process_directories_recursively(root_directory)
df = pd.DataFrame(data)
 
# Export DataFrame to CSV
csv_filename = "output_data.csv"
df.to_csv(csv_filename, index=False)
 
print(f"DataFrame exported to {csv_filename}")
 
 

Questo porta ad un file esageratamente numeroso per lo scopo di questo progetto

Shuffling e selection §

Per questo motivo è opportuno rimpicciolire il file rendendolo maneggiabile: utilizziamo uno script che prima esegue lo shuffle delle righe del file, e poi taglia il file alle prime 10k righe.

import pandas as pd
 
# Read the CSV file into a DataFrame
df = pd.read_csv("output_data.csv")
 
# Shuffle the DataFrame
df_shuffled = df.sample(frac=1, random_state=42)
 
# Select the first 10000 rows
df_selected = df_shuffled.head(10000)
 
# Save the selected DataFrame to a new CSV file
selected_csv_filename = "shuffled_output_data.csv"
df_selected.to_csv(selected_csv_filename, index=False)
 
print(f"Selected DataFrame exported to {selected_csv_filename}")
 
 

Quindi adesso il file è di questo tipo:

Evaluation §

Il file “shuffled_output_data.csv” è il file necessario alla fase di evaluation. La fase di evaluation prende come input questo file, verrà iterativamente utilizzato il modello di linguaggio Kosmos2, dato il nome di un’entità e l’immagine in cui essa appare, per individuare il bounding box dell’immagine.

L’output di questa fase è un file chiamato “zero_shot.csv”. È un file che contiene tante entry quante il file originale. Le informazioni riportate sono le stesse del primo file, ma con l’aggiunta del bounding box generato da kosmos, e l’overlapping index, che indica l’indice di sovrapposizione tra il bounding box “target” (quello estratto dal file json) e quello generato da kosmos. Viene valutato che c’è un match tra i due bounding box se l’overlapping index è maggiore di 0.5 (se c’è almeno il 50% di sovrapposizione).

Qui è riportato il codice di come ho calcolato l’overlapping index:

 
def overlap_area(box1, box2):
    """
    Calculate the overlapping area between two bounding boxes.
    The input boxes should be in the format (xmin, ymin, xmax, ymax).
    """
    x_min = max(box1[0], box2[0])
    y_min = max(box1[1], box2[1])
    x_max = min(box1[2], box2[2])
    y_max = min(box1[3], box2[3])
 
    width = max(0, x_max - x_min)
    height = max(0, y_max - y_min)
 
    return width * height
 
def overlapping_index(box1, box2):
    """
    Calculate the overlapping index (IoU) between two bounding boxes.
    The input boxes should be in the format (xmin, ymin, xmax, ymax).
    """
    area1 = (box1[2] - box1[0]) * (box1[3] - box1[1])
    area2 = (box2[2] - box2[0]) * (box2[3] - box2[1])
 
    overlap = overlap_area(box1, box2)
    union = area1 + area2 - overlap
 
    return overlap / union if union > 0 else 0
 

Come funziona l’algoritmo §

L’algoritmo per l’evaluation funziona, a grandi linee come segue:

Viene caricato “output.csv come dataframe”:

df = pd.read_csv(eval_csv_path)

Per ogni row del file viene chiamata la funzione “evaluate_instance()”

for index, row in df.iterrows():
	result_row = eval_instance(row)

Questa funzione prende in input una riga del file “output.csv”, o meglio i dati contenuti in una riga di output.csv e restituisce:

1. il bounding box trovato da kosmos
2. l’overlapping index
3. se c’è stato o meno un match tra i due bounding box Questo risultato viene inserito in un dataframe (che poi verrà esportato e sarà il file zero_shot.csv)

df.loc[index, ["kosmos_bounding_box", "overlap_index", "Match"]] = result_row.values()

Eval instance §

La funzione eval instance è il cuore di questo algoritmo. Il funzionamento è il seguente:

Prende immagine e bounding box dell’entità che sta esaminando:

    # Extract information from the DataFrame row
    image_path = df_row["image_normal"]
    labeled_box_str = df_row["bounding_box"]
 

Genera il prompt, che insieme all’immagine verrà dato a kosmos2 per generare il bounding box:

    # Generate prompt using the "entity type" entry of the DataFrame
    entity_type = df_row["entity_type"]
    prompts = generate_prompt(entity_type)
 

La funzione “generate_prompt()” prende in input il nome dell’entità e genera un prompt adeguato che permette a kosmos di capire che deve generare il bounding box di quell’entità.

Ad esempio, per l’entità di nome: “Sofa” Il prompt verrà generato così:

prompt = f"<grounding><phrase>{entity_type}</phrase>"

E quindi sarà :

<grounding><phrase>Sofa</phrase>

Questo prompt molto semplice istruisce kosmos a generare il “grounding di una frase che inizia con il sostantivo “sofa”.

Questo non garantisce che il modello kosmos generi ESCLUSIVAMENTE il bounding box dell’entità sofa: infatti raramente è così. Genralmente kosmos genererà tre o quattro entità che si trovano nell’immagine insieme al Sofa.

Ad esempio, è vero che ha generato il bounding box di “Sofa”

ma allo stesso tempo ha generato il bounding box di altre entità come:

A questo punto l’algoritmo itera su queste entità e verifica che ci sia un match con l’entità che ci interessa

L’ouput finale di questo processo è un file come quello riportato qui:

Qui sotto la funzione “eval _instance”

def eval_instance(df_row, debug=False):
    # Extract information from the DataFrame row
    image_path = df_row["image_normal"]
    labeled_box_str = df_row["bounding_box"]
 
    # Convert bounding box values from string to float
    labeled_box = tuple(map(float, re.findall(r'\d+\.\d+', labeled_box_str)))
 
    # Generate prompt using the "entity type" entry of the DataFrame
    entity_type = df_row["entity_type"]
    prompts = generate_prompt(entity_type)
 
    # Process image with Kosmos and get entities
    kosmos_entities = process_image_with_kosmos(prompts[0], image_path)
    if debug:
        print(kosmos_entities)
 
    # Initialize result_row with default values
    result_row = {
        "kosmos_bounding_box": np.NaN,
        "overlap_index": 0.0,
        "Match": False
    }
 
    # Compare entities and calculate overlapping index
    if kosmos_entities is None:
        return result_row
    for kosmos_entity in kosmos_entities:
        _, _, kosmos_boxes = kosmos_entity
        for kosmos_box in kosmos_boxes:
            # Convert Kosmos bounding box values from string to float
            #kosmos_box = tuple(map(float, re.findall(r'\d+\.\d+', kosmos_box_str)))
            overlap_index = overlapping_index(labeled_box, kosmos_box)
            result_row["kosmos_bounding_box"] = kosmos_box  # Convert bounding box back to string?
            result_row["overlap_index"] = overlap_index
            result_row["Match"] = overlap_index > 0.5
            if result_row["Match"]:
                print(f"Entity matched with an overlapping index of: {overlap_index}")
                return result_row
 
    return result_row
 

Esame dei risultati dell’evaluation §

Questo computando alcune statistiche sull’operazione di evaluation fatta, questi sono i risultati:

entity_type	Number of Occurrences	Percentage of Matches	Average Overlapping Index	Std Average Overlapping Index	Average Overlapping Index (Matched)	Std Average Overlapping Index (Matched)	Average Overlapping Index (Unmatched)	Std Average Overlapping Index (Unmatched)	Avg BBox Dimensions (Correct)	Std Avg BBox Dimensions (Correct)	Avg BBox Dimensions (Incorrect)	Std Avg BBox Dimensions (Incorrect)	Average BBox Dimensions (All)	Std Average BBox Dimensions (All)
Total	5014	51.9745	0.4247	0.3987	0.7978	0.1096	0.0209	0.0651	0.0923	0.1061	0.0181	0.0353	0.0567	0.0885
Painting	924	42.0996	0.3362	0.3962	0.7927	0.1083	0.0043	0.0245	0.0841	0.1105	0.0132	0.0330	0.0431	0.0836
Sofa	693	73.5931	0.6256	0.3737	0.8451	0.0764	0.0137	0.0563	0.1147	0.1089	0.0249	0.0292	0.0910	0.1025
Chair	622	20.5788	0.1763	0.2915	0.7204	0.1278	0.0353	0.0777	0.0433	0.0422	0.0104	0.0134	0.0172	0.0261
Dining Table	588	66.8367	0.5339	0.3706	0.7835	0.1148	0.0309	0.0911	0.0861	0.0911	0.0142	0.0195	0.0622	0.0826
Arm Chair	420	49.0476	0.4136	0.3989	0.8092	0.1006	0.0329	0.0796	0.0789	0.0722	0.0234	0.0354	0.0506	0.0630
TV Stand	402	40.0498	0.3224	0.3792	0.7710	0.1260	0.0227	0.0673	0.0937	0.0795	0.0308	0.0441	0.0560	0.0681
Floor Lamp	300	63.3333	0.5032	0.3733	0.7739	0.1206	0.0356	0.0931	0.1257	0.1624	0.0356	0.0754	0.0927	0.1437
Television	148	75.0000	0.5976	0.3537	0.7952	0.0974	0.0047	0.0134	0.1173	0.1529	0.0271	0.0759	0.0947	0.1430
House Plant	144	68.7500	0.5263	0.3635	0.7608	0.1200	0.0103	0.0359	0.0589	0.0537	0.0047	0.0037	0.0419	0.0512
Side Table	110	45.4545	0.3623	0.3946	0.7831	0.1080	0.0117	0.0537	0.0530	0.0400	0.0203	0.0345	0.0352	0.0404
Cart	103	71.8447	0.5779	0.3698	0.8015	0.1051	0.0075	0.0179	0.0750	0.0566	0.0280	0.0431	0.0618	0.0571
Shelving Unit	102	54.9020	0.4811	0.4270	0.8607	0.0741	0.0189	0.0693	0.1817	0.1817	0.0232	0.0441	0.1102	0.1585
Box	102	32.3529	0.2398	0.3458	0.7319	0.0889	0.0044	0.0143	0.0300	0.0202	0.0064	0.0093	0.0140	0.0176
Dresser	96	64.5833	0.5571	0.4056	0.8499	0.0874	0.0231	0.0689	0.1281	0.0956	0.0245	0.0373	0.0914	0.0940
Garbage Can	81	66.6667	0.5185	0.3680	0.7686	0.1032	0.0185	0.0734	0.0386	0.0293	0.0055	0.0087	0.0276	0.0290
Dog Bed	69	47.8261	0.3880	0.4029	0.8004	0.0858	0.0099	0.0359	0.0431	0.0405	0.0115	0.0160	0.0266	0.0340
Desk	45	64.4444	0.5576	0.4010	0.8471	0.0787	0.0329	0.0662	0.1234	0.0873	0.0448	0.0554	0.0954	0.0857
Coffee Table	17	41.1765	0.3185	0.4032	0.7735	0.1516	0.0000	0.0000	0.0906	0.0712	0.0105	0.0145	0.0435	0.0606
Room Decor	12	8.3333	0.1109	0.2402	0.8512	-	0.0435	0.0605	0.1330	-	0.0515	0.0515	0.0583	0.0545
Safe	11	72.7273	0.5901	0.3829	0.8101	0.0818	0.0035	0.0061	0.0459	0.0278	0.0077	0.0084	0.0355	0.0295
Boots	10	40.0000	0.3299	0.4016	0.7936	0.0399	0.0207	0.0507	0.0296	0.0080	0.0024	0.0023	0.0133	0.0149
Stool	9	66.6667	0.4987	0.3845	0.7481	0.1128	0.0000	0.0000	0.0291	0.0353	0.0078	0.0034	0.0220	0.0300
Ottoman	6	33.3333	0.2842	0.4321	0.8420	0.0038	0.0053	0.0106	0.0800	0.0191	0.0062	0.0047	0.0308	0.0392

Per un dettaglio su come sono state calcolate queste statistiche si rimanda a questo documento: Calcolo statistiche per valutazione

I risultati sono di un’accuracy totale del 52%. Da notare alcuni fatti interessanti:

1. L’overlapping index è notevolmente maggiore del 50% per le entità per cui è stato fatto un match corretto
2. L’overlapping index è notevolmente basso per le entità giudicate non correttamente

Inoltre se la cava notevolmente meglio su bounding box molto grandi (ergo quando l’oggetto è ben visibile) mentre non è molto performante su bounding box di piccole dimensioni.

Inoltre performa significativamente male sull’entità “Room Decor”, probabilmente dovuto alla generalità del termine:

Room Decor	12	8.3333

Alcuni esempi di valutazione di kosmos §

Ho inoltre sviluppato un piccolo programma python che utilizza la libreria Computer Vision di python per esaminare le istanze in cui Kosmos ha sbagliato, disegnando il bounding box target e quello invece riportato da kosmos. Di seguito alcuni esempi interessanti di errori:

Un fatto che emergeva già dalla valutazione numerica era la difficoltà del modello di individuare le sedie:

Come si può vedere, vengono spesse confuse Probabilmente complice il fatto che le sedie sono spesso in secondo piano, oppure si trovano dietro ai tavoli o ad altri oggetti. Sono anche mediamente più piccole di altri oggetti.

Bounding box piccoli §

Per come è satato addestrato kosmos, tende a dare un bounding box “no matter what”. Questo, accoppiato con la scarsa capacità di individuare oggetti piccoli, evidenzia un netto limite, e spesso specialmente per oggetti piccoli, il bounding box è totalmente sbagliato e spesso associato al pavimento o al muro.

Oggetti parzialmente nell’immagine §

Un chiaro limite del dataset però questa volta, per via della sua natura generativa a partire da diversi orientamenti e posizioni, è quello di avere molti oggetti parzialmente nell’immagine o orientati in modo tale da renderli difficile da riconoscere. È spesso il caso dei dipinti:

Che sono spesso classificati male. Ma è anche il caso di altri oggetti:

Questo può sicuramente essere visto come un limite del dataset, ma chiaramente evidenzia l’incapacità di kosmos nell’inferire l’entità da una vista parziale dell’oggetto.

<grounding><phrase>find the Cell on the Table</phrase>

Evaluation su nuovo dataset §

A differenza dell’ evaluation sul dataset precedente, in questo dataset sono stati considerati anche gli oggetti di dimensione minore: i children. Questi oggetti sono normalmente trovati sopra ad altri, sono di dimensione minore rispetto all’oggetto “parent”, e dunque risultano più difficili da individuare e categorizzare. I risultati infatti sono nettamente inferiori a quelli ottenuti precedentemente

file: “zero_shot_pulito_final_statistics_dash.csv”

entity_type	Number of Occurrences	Percentage of Matches	Average Overlapping Index	Std Average Overlapping Index	Average Overlapping Index (Matched)	Std Average Overlapping Index (Matched)	Average Overlapping Index (Unmatched)	Std Average Overlapping Index (Unmatched)	Avg BBox Dimensions (Correct)	Std Avg BBox Dimensions (Correct)	Avg BBox Dimensions (Incorrect)	Std Avg BBox Dimensions (Incorrect)	Average BBox Dimensions (All)	Std Average BBox Dimensions (All)
Total	10000	23.0500	0.1842	0.3264	0.7680	0.1176	0.0094	0.0407	0.0748	0.1070	0.0062	0.0254	0.0220	0.0630
Painting	781	39.9488	0.3151	0.3883	0.7839	0.1029	0.0032	0.0136	0.0651	0.0868	0.0123	0.0219	0.0334	0.0630
Cell Phone	606	1.6502	0.0131	0.0783	0.6040	0.1021	0.0031	0.0107	0.0041	0.0020	0.0009	0.0039	0.0009	0.0039
Remote Control	506	0.5929	0.0071	0.0504	0.6162	0.0457	0.0034	0.0179	0.0069	0.0052	0.0008	0.0018	0.0008	0.0019
Book	466	8.7983	0.0669	0.1959	0.6832	0.1143	0.0075	0.0238	0.0160	0.0118	0.0018	0.0064	0.0030	0.0081
Chair	433	32.3326	0.2568	0.3412	0.7329	0.1137	0.0294	0.0740	0.0430	0.0364	0.0131	0.0183	0.0228	0.0292
Pen	372	0.0000	0.0012	0.0062	-	-	0.0012	0.0062	-	-	0.0003	0.0010	0.0003	0.0010
Dining Table	327	63.9144	0.5060	0.3698	0.7714	0.1157	0.0360	0.0924	0.0887	0.0896	0.0172	0.0234	0.0629	0.0806
Key Chain	219	0.0000	0.0050	0.0359	-	-	0.0050	0.0359	-	-	0.0013	0.0112	0.0013	0.0112
Box	218	12.3853	0.0989	0.2394	0.7190	0.1085	0.0113	0.0384	0.0291	0.0486	0.0049	0.0080	0.0079	0.0201
Counter Top	218	41.2844	0.3449	0.3961	0.8045	0.1200	0.0217	0.0550	0.1758	0.1508	0.0639	0.0955	0.1101	0.1331
Bowl	203	6.4039	0.0496	0.1632	0.6582	0.0830	0.0079	0.0284	0.0098	0.0059	0.0018	0.0042	0.0023	0.0048
House Plant	195	46.6667	0.3537	0.3603	0.7204	0.1218	0.0328	0.0938	0.0317	0.0323	0.0040	0.0042	0.0169	0.0261
Television	187	66.8449	0.5192	0.3705	0.7701	0.1129	0.0135	0.0614	0.0783	0.0942	0.0163	0.0331	0.0577	0.0844
Bottle	184	5.9783	0.0444	0.1656	0.6892	0.1190	0.0034	0.0081	0.0114	0.0079	0.0036	0.0330	0.0041	0.0321
Sofa	181	70.7182	0.6040	0.3848	0.8453	0.0849	0.0214	0.0750	0.1163	0.1085	0.0226	0.0273	0.0889	0.1018
Plate	176	3.4091	0.0284	0.1243	0.6761	0.0785	0.0055	0.0199	0.0111	0.0046	0.0015	0.0034	0.0018	0.0039
Statue	167	19.1617	0.1363	0.2673	0.6709	0.1044	0.0096	0.0394	0.0238	0.0259	0.0031	0.0057	0.0071	0.0148
Laptop	164	19.5122	0.1510	0.2857	0.7193	0.1112	0.0133	0.0249	0.0249	0.0209	0.0033	0.0046	0.0075	0.0132
Dresser	157	62.4204	0.5252	0.3918	0.8199	0.0967	0.0359	0.0836	0.1241	0.1146	0.0210	0.0384	0.0854	0.1059
Fridge	146	61.6438	0.5291	0.4165	0.8513	0.0868	0.0112	0.0469	0.1633	0.2260	0.0730	0.1382	0.1287	0.2013
Bed	143	60.1399	0.5043	0.4000	0.8184	0.1020	0.0304	0.0990	0.1391	0.1551	0.0283	0.0481	0.0949	0.1352
Knife	139	1.4388	0.0126	0.0843	0.6898	0.1670	0.0027	0.0126	0.0061	0.0006	0.0009	0.0029	0.0010	0.0030
Fork	138	0.7246	0.0052	0.0448	0.5245	-	0.0014	0.0051	0.0042	-	0.0005	0.0014	0.0005	0.0014
Garbage Can	132	59.0909	0.4465	0.3729	0.7485	0.0898	0.0102	0.0615	0.0251	0.0198	0.0048	0.0055	0.0168	0.0185
Pillow	132	14.3939	0.1102	0.2412	0.6783	0.1195	0.0147	0.0425	0.0178	0.0173	0.0037	0.0069	0.0057	0.0103
Mug	128	6.2500	0.0440	0.1598	0.6486	0.1223	0.0037	0.0134	0.0098	0.0032	0.0017	0.0089	0.0022	0.0089
Spoon	122	0.0000	0.0027	0.0090	-	-	0.0027	0.0090	-	-	0.0007	0.0018	0.0007	0.0018
Wine Bottle	114	7.0175	0.0599	0.1860	0.7004	0.0805	0.0115	0.0563	0.0171	0.0155	0.0058	0.0317	0.0066	0.0309
Bread	109	9.1743	0.0732	0.2092	0.7196	0.1038	0.0079	0.0163	0.0175	0.0095	0.0022	0.0038	0.0036	0.0063
Arm Chair	109	59.6330	0.4875	0.3998	0.8069	0.1086	0.0156	0.0428	0.0779	0.0747	0.0150	0.0168	0.0525	0.0662
Spray Bottle	107	17.7570	0.1273	0.2602	0.6687	0.1172	0.0104	0.0430	0.0134	0.0088	0.0014	0.0027	0.0035	0.0063
Vase	102	22.5490	0.1543	0.2855	0.6686	0.1289	0.0046	0.0137	0.0119	0.0128	0.0015	0.0020	0.0038	0.0076
Cup	94	3.1915	0.0236	0.1152	0.6423	0.1425	0.0032	0.0087	0.0069	0.0029	0.0012	0.0020	0.0014	0.0022
Pencil	89	1.1236	0.0066	0.0604	0.5701	-	0.0002	0.0009	0.0028	-	0.0001	0.0003	0.0001	0.0004
Floor Lamp	89	62.9213	0.4962	0.3785	0.7716	0.1314	0.0287	0.0782	0.1361	0.1740	0.0333	0.0718	0.0980	0.1526
Toaster	87	13.7931	0.1083	0.2482	0.7082	0.1344	0.0123	0.0350	0.0176	0.0180	0.0030	0.0055	0.0050	0.0097
Kettle	84	9.5238	0.0731	0.1991	0.6719	0.1139	0.0101	0.0193	0.0175	0.0103	0.0019	0.0040	0.0034	0.0067
Spatula	82	0.0000	0.0033	0.0156	-	-	0.0033	0.0156	-	-	0.0015	0.0057	0.0015	0.0057
Credit Card	82	0.0000	0.0071	0.0410	-	-	0.0071	0.0410	-	-	0.0047	0.0307	0.0047	0.0307
Butter Knife	76	0.0000	0.0020	0.0090	-	-	0.0020	0.0090	-	-	0.0003	0.0005	0.0003	0.0005
Toilet	75	62.6667	0.5214	0.3612	0.7804	0.1027	0.0865	0.1634	0.0951	0.0937	0.0177	0.0330	0.0662	0.0853
Washing Machine	74	62.1622	0.5168	0.3934	0.8132	0.1003	0.0299	0.0788	0.0841	0.0787	0.0166	0.0209	0.0586	0.0712
Shelving Unit	73	52.0548	0.4445	0.4278	0.8483	0.0805	0.0061	0.0209	0.1415	0.1837	0.0326	0.0637	0.0893	0.1492
TV Stand	69	17.3913	0.1519	0.2956	0.7661	0.1297	0.0226	0.0703	0.0722	0.0580	0.0254	0.0376	0.0336	0.0450
Lettuce	69	10.1449	0.0757	0.2079	0.6755	0.1088	0.0080	0.0327	0.0087	0.0030	0.0014	0.0022	0.0021	0.0032
Sink	69	75.3623	0.5726	0.3368	0.7575	0.0983	0.0070	0.0184	0.0595	0.0633	0.0360	0.0345	0.0537	0.0582
Dish Sponge	68	0.0000	0.0048	0.0204	-	-	0.0048	0.0204	-	-	0.0008	0.0015	0.0008	0.0015
Newspaper	68	2.9412	0.0208	0.1095	0.6335	0.1640	0.0023	0.0066	0.0165	0.0101	0.0013	0.0024	0.0017	0.0037
Potato	66	0.0000	0.0086	0.0351	-	-	0.0086	0.0351	-	-	0.0020	0.0092	0.0020	0.0092
Apple	64	1.5625	0.0115	0.0708	0.5575	-	0.0028	0.0143	0.0049	-	0.0010	0.0030	0.0011	0.0030
Soap Bottle	64	12.5000	0.0935	0.2353	0.6968	0.1143	0.0073	0.0351	0.0098	0.0039	0.0017	0.0029	0.0027	0.0040
Watch	63	0.0000	0.0005	0.0013	-	-	0.0005	0.0013	-	-	0.0002	0.0004	0.0002	0.0004
Side Table	60	35.0000	0.2818	0.3785	0.7796	0.1144	0.0137	0.0700	0.0520	0.0393	0.0142	0.0277	0.0274	0.0367
Tomato	59	6.7797	0.0487	0.1738	0.6856	0.0577	0.0023	0.0050	0.0088	0.0036	0.0006	0.0011	0.0012	0.0025
Garbage Bag	59	67.7966	0.4957	0.3523	0.7286	0.1075	0.0054	0.0220	0.0200	0.0196	0.0047	0.0048	0.0151	0.0178
Pan	54	5.5556	0.0489	0.1767	0.7234	0.1435	0.0092	0.0580	0.0195	0.0129	0.0017	0.0038	0.0027	0.0060
Salt Shaker	53	1.8868	0.0166	0.0960	0.6962	-	0.0035	0.0128	0.0040	-	0.0007	0.0014	0.0008	0.0014
Faucet	52	3.8462	0.0408	0.1367	0.6788	0.1187	0.0152	0.0435	0.0170	0.0181	0.0069	0.0130	0.0073	0.0131
Pepper Shaker	50	2.0000	0.0163	0.1039	0.7354	-	0.0016	0.0041	0.0064	-	0.0007	0.0009	0.0008	0.0012
Teddy Bear	46	50.0000	0.3567	0.3610	0.7036	0.1219	0.0099	0.0148	0.0181	0.0203	0.0034	0.0039	0.0108	0.0163
Toilet Paper	46	6.5217	0.0541	0.1602	0.6389	0.0499	0.0133	0.0352	0.0124	0.0072	0.0015	0.0033	0.0022	0.0045
Stool	44	36.3636	0.2859	0.3823	0.7780	0.1126	0.0046	0.0146	0.0342	0.0296	0.0043	0.0036	0.0151	0.0229
Candle	43	9.3023	0.0747	0.2113	0.6845	0.1623	0.0121	0.0639	0.0079	0.0037	0.0006	0.0013	0.0013	0.0027
Baseball Bat	43	16.2791	0.1341	0.2721	0.7279	0.1132	0.0186	0.0492	0.0296	0.0260	0.0063	0.0091	0.0101	0.0155
Cart	42	57.1429	0.4828	0.4147	0.8287	0.0973	0.0217	0.0887	0.0946	0.0742	0.0172	0.0222	0.0614	0.0693
Microwave	40	10.0000	0.0871	0.2202	0.7242	0.1147	0.0164	0.0373	0.0291	0.0171	0.0068	0.0064	0.0090	0.0103
Desk Lamp	40	17.5000	0.1530	0.2923	0.7626	0.0971	0.0237	0.0618	0.0351	0.0213	0.0075	0.0134	0.0123	0.0182
Plunger	39	17.9487	0.1315	0.2656	0.6755	0.0900	0.0125	0.0588	0.0117	0.0030	0.0030	0.0027	0.0046	0.0043
Basket Ball	37	35.1351	0.2735	0.3310	0.6874	0.1077	0.0493	0.1269	0.0091	0.0076	0.0022	0.0019	0.0046	0.0057
Dog Bed	34	32.3529	0.2709	0.3929	0.8290	0.0518	0.0040	0.0108	0.0407	0.0240	0.0055	0.0070	0.0169	0.0221
Ladle	33	0.0000	0.0052	0.0185	-	-	0.0052	0.0185	-	-	0.0013	0.0037	0.0013	0.0037
Pot	33	21.2121	0.1585	0.2923	0.6994	0.1389	0.0129	0.0283	0.0299	0.0170	0.0056	0.0136	0.0108	0.0173
Paper Towel Roll	32	6.2500	0.0492	0.1809	0.7362	0.0770	0.0034	0.0079	0.0169	0.0065	0.0023	0.0032	0.0032	0.0049
Alarm Clock	29	24.1379	0.1772	0.2615	0.6059	0.0602	0.0408	0.0970	0.0105	0.0072	0.0021	0.0030	0.0041	0.0056
Tissue Box	21	0.0000	0.0045	0.0087	-	-	0.0045	0.0087	-	-	0.0033	0.0044	0.0033	0.0044
Egg	20	0.0000	0.0007	0.0015	-	-	0.0007	0.0015	-	-	0.0004	0.0006	0.0004	0.0006
Cloth	17	0.0000	0.0084	0.0146	-	-	0.0084	0.0146	-	-	0.0019	0.0026	0.0019	0.0026
Safe	16	25.0000	0.1975	0.3535	0.7878	0.0726	0.0008	0.0019	0.0281	0.0279	0.0061	0.0056	0.0116	0.0166
Desk	15	46.6667	0.3720	0.4063	0.7874	0.0857	0.0085	0.0177	0.0747	0.0570	0.0342	0.0463	0.0531	0.0538
Coffee Machine	14	42.8571	0.2948	0.3490	0.6791	0.0803	0.0066	0.0100	0.0098	0.0040	0.0065	0.0093	0.0079	0.0075
Tennis Racket	13	7.6923	0.0771	0.2312	0.8443	-	0.0131	0.0184	0.0571	-	0.0021	0.0021	0.0063	0.0154
Laundry Hamper	7	57.1429	0.3849	0.3520	0.6623	0.0889	0.0150	0.0260	0.0138	0.0114	0.0091	0.0087	0.0118	0.0098
Table Top Decor	6	0.0000	0.0497	0.0501	-	-	0.0497	0.0501	-	-	0.0050	0.0070	0.0050	0.0070
Vacuum Cleaner	5	60.0000	0.4002	0.3662	0.6669	0.0366	0.0000	0.0000	0.0108	0.0007	0.0016	0.0020	0.0071	0.0052
Soap Bar	4	0.0000	0.0014	0.0012	-	-	0.0014	0.0012	-	-	0.0001	0.0000	0.0001	0.0000
Room Decor	4	0.0000	0.0021	0.0042	-	-	0.0021	0.0042	-	-	0.0100	0.0067	0.0100	0.0067
Dumbbell	2	50.0000	0.4110	0.5812	0.8220	-	0.0000	-	0.0295	-	0.0001	-	0.0148	0.0208
Coffee Table	1	100.0000	0.7247	-	0.7247	-	-	-	0.0194	-	-	-	0.0194	-
Ottoman	1	100.0000	0.8790	-	0.8790	-	-	-	0.0872	-	-	-	0.0872	-

Perché è andata così male §

È chiaro che la dimensione dei bounding box ha nettamente influito sulle prestazioni del modello.

Prima la media dei bounding box per le entità non correttamente stimate era: 0,056 Adesso invece è: 0.0222

Quindi più della metà. Curiosamente di un valore molto simile è diminuita la precisione:

entity_type	Number of Occurrences	Percentage of Matches
Total	10000	23.0500
Rispetto a quella precedente:

entity_type	Number of Occurrences	Percentage of Matches
Total	5014	51.9744
Un risultato che evidenzia chiaramente la correlazione che c’è tra dimensioni del bounding box e precisione.
Ho indagato questa relazione facendo una rappresentazione grafica tra la precisione sulle entità e la dimensione del loro bounding box:

La relazione sembra essere lineare per una buona parte del grafico:

plot 1.html

Poi con l’aumentare dei valori della dimensione media dei bounding box tende ad “appiattirsi” intorno al 60%.

Questo plot è stato fatto con il seguente codice: How i plot statistics, an example In breve i punti sono le coppie di valori “Average BBox Dimension” e “Percentage od Matches” per ogni entità. Un punto rosso indica un entità con poche occorrenze nel dataset e un punto verde indica un’entità con molte occorrenze.

Questo grafo secondo me evidenzia bene il limite di questo modello nel trovare un match quando l’entità è piccola. Ed evidenzia anche una certa predisposizione di questo modello a non superare una precisione del 60/70%, con la maggior parte dei punti che superano una certa dimensione (0.05 che ricordiamo essere la dimensione media dell’altro dataset) che adagiano sul 50% di precisione.

Alcuni esempi §

Qui sotto ci sono alcuni esempi commentati di “fallimenti” di kosmos2 sui nuovi dati

In entrambi questi casi il bounding box è completamente sbagliato (e non di poco). È chiaro che Kosmos ha difficoltà con bounding box molto piccoli, il risultato è simile a quando non vede proprio l’oggetto, cerca di fare il grounding con qualsiasi cosa riesca a trovare.

Quando invece l’oggetto è in primo piano ed è abbastanza riconoscibile non ha problemi

C’è sicuramente da dire che bisogna spezzare una lancia a favore di Kosmos: alcuni bounding box sono veramente troppo piccoli:

Conclusioni §

A mio parere questo modello, in zero shot, ha una precisione che si aggira intorno al 50-60% in condizioni ottimali (bounding box di una dimensione considerevole) e che rapidamente approccia valori di precisione bassi quando le dimensioni dei bounding box diminuiscono.

Paternity test §

Un’idea che è venuta fuori è stata quella di utilizzare le informazioni di parentela nel prompt: invece che passare al modello la richiesta di individuare un oggetto, si potrebbe passare l’oggetto e indicarne la posizione come “sopra” all’oggetto. Per fare ciò ho dovuto modificare anche il file “output_data.csv” in modo tale che contenga le informazioni sull’entità dell’oggetto “parent”.

Il risultato è questo:

environment	entity_type	lexical_references	…	bounding_box	parent_entity
2336	Spatula	[‘spatula’, ‘wire’, ‘lanyard’]	…	(0.5016666666666667, 0.6066666666666667, 0.6716666666666666, 0.6333333333333333)	Counter Top
2355	Fork	[‘fork’, ‘napkin’, ‘scissors’, ‘glasses’]	…	(0.82, 0.31, 0.8216666666666667, 0.31)	Counter Top
3043	Mug	[‘mug’, ‘pocket’, ‘paperback’]	…	(0.195, 0.345, 0.21666666666666667, 0.3616666666666667)	Dining Table
Ho aggiunto al prompt l’informazione riguardante il padre dell’oggetto.

def generate_prompt(entity_type, parent_entity=None):
 
	if isinstance(parent_entity, str):
		prompt = f"<grounding><phrase>{entity_type} on the {parent_entity}</phrase>"
	else:
		prompt = f"t<grounding><phrase>{entity_type}</phrase>"
	return [prompt]

Ho fatto l’evaluation.

environment	entity_type	lexical_references	image_bbox	image_normal	bounding_box	parent_entity	kosmos_bounding_box	overlap_index	Match
2336	Spatula	[‘spatula’, ‘wire’, ‘lanyard’]	Robocup/2336/images/Kitchen/bounding_box/position_1/2336_Kitchen_bounding_box_pos_1_90.jpg	Robocup/2336/images/Kitchen/normal/position_1/2336_Kitchen_pos_1_90.jpg	(0.5016666666666667, 0.6066666666666667, 0.6716666666666666, 0.6333333333333333)	Counter Top	(0.078125, 0.578125, 0.234375, 0.703125)	0.0	False
2355	Fork	[‘fork’, ‘napkin’, ‘scissors’, ‘glasses’]	Robocup/2355/images/Kitchen/bounding_box/position_2/2355_Kitchen_bounding_box_pos_2_0.jpg	Robocup/2355/images/Kitchen/normal/position_2/2355_Kitchen_pos_2_0.jpg	(0.82, 0.31, 0.8216666666666667, 0.31)	Counter Top	(0.796875, 0.296875, 0.859375, 0.359375)	0.0	False
3043	Mug	[‘mug’, ‘pocket’, ‘paperback’]	Rockin1/3043/images/Bathroom/bounding_box/position_0/3043_Bathroom_bounding_box_pos_0_270.jpg	Rockin1/3043/images/Bathroom/normal/position_0/3043_Bathroom_pos_0_270.jpg	(0.195, 0.345, 0.21666666666666667, 0.3616666666666667)	Dining Table	(0.140625, 0.296875, 0.203125, 0.359375)	0.028139999372575285	False
2288	Bed	[‘bed’, ‘bedstand’, ‘nightstand’, ‘bedside’, ‘night’]	Robocup/2288/images/Bedroom/bounding_box/position_3/2288_Bedroom_bounding_box_pos_3_90.jpg	Robocup/2288/images/Bedroom/normal/position_3/2288_Bedroom_pos_3_90.jpg	(0.41, 0.29833333333333334, 0.6766666666666666, 0.41833333333333333)		(0.390625, 0.296875, 0.671875, 0.421875)	0.8794822459331818	True

Ed infine ho computato le statistiche su questo file:

file: “zero_shot_pulito_paternity_final_statistics_dash.csv”

entity_type	Number of Occurrences	Percentage of Matches	Average Overlapping Index	Std Average Overlapping Index	Average Overlapping Index (Matched)	Std Average Overlapping Index (Matched)	Average Overlapping Index (Unmatched)	Std Average Overlapping Index (Unmatched)	Avg BBox Dimensions (Correct)	Std Avg BBox Dimensions (Correct)	Avg BBox Dimensions (Incorrect)	Std Avg BBox Dimensions (Incorrect)	Average BBox Dimensions (All)	Std Average BBox Dimensions (All)
Total	10000	22.5200	0.1884	0.3239	0.7697	0.1180	0.0194	0.0678	0.0753	0.1078	0.0066	0.0262	0.0220	0.0630
Painting	781	37.7721	0.3013	0.3851	0.7881	0.0992	0.0058	0.0302	0.0671	0.0885	0.0129	0.0227	0.0334	0.0630
Cell Phone	606	1.9802	0.0210	0.0990	0.6069	0.0917	0.0092	0.0525	0.0045	0.0018	0.0008	0.0039	0.0009	0.0039
Remote Control	506	0.5929	0.0115	0.0599	0.6356	0.0678	0.0078	0.0354	0.0069	0.0052	0.0008	0.0018	0.0008	0.0019
Book	466	8.5837	0.0697	0.1982	0.6927	0.1162	0.0113	0.0422	0.0160	0.0118	0.0018	0.0065	0.0030	0.0081
Chair	433	31.6397	0.2641	0.3349	0.7325	0.1178	0.0473	0.0940	0.0437	0.0365	0.0131	0.0182	0.0228	0.0292
Pen	372	0.0000	0.0029	0.0160	-	-	0.0029	0.0160	-	-	0.0003	0.0010	0.0003	0.0010
Dining Table	327	64.8318	0.5240	0.3645	0.7781	0.1134	0.0556	0.1216	0.0878	0.0893	0.0170	0.0236	0.0629	0.0806
Key Chain	219	0.0000	0.0104	0.0494	-	-	0.0104	0.0494	-	-	0.0013	0.0112	0.0013	0.0112
Box	218	11.9266	0.1090	0.2473	0.7379	0.1039	0.0239	0.0834	0.0293	0.0496	0.0050	0.0080	0.0079	0.0201
Counter Top	218	39.4495	0.3344	0.3904	0.8045	0.1182	0.0281	0.0618	0.1757	0.1554	0.0675	0.0949	0.1101	0.1331
Bowl	203	6.8966	0.0649	0.1757	0.6517	0.1006	0.0214	0.0701	0.0097	0.0057	0.0018	0.0042	0.0023	0.0048
House Plant	195	46.1538	0.3660	0.3541	0.7204	0.1213	0.0621	0.1393	0.0318	0.0324	0.0042	0.0046	0.0169	0.0261
Television	187	65.7754	0.5208	0.3634	0.7708	0.1083	0.0403	0.1022	0.0780	0.0946	0.0187	0.0366	0.0577	0.0844
Bottle	184	4.3478	0.0442	0.1489	0.6846	0.1194	0.0151	0.0549	0.0118	0.0084	0.0037	0.0327	0.0041	0.0321
Sofa	181	69.6133	0.5935	0.3902	0.8451	0.0868	0.0171	0.0640	0.1177	0.1089	0.0229	0.0269	0.0889	0.1018
Plate	176	3.9773	0.0396	0.1355	0.6528	0.0946	0.0142	0.0498	0.0100	0.0051	0.0014	0.0034	0.0018	0.0039
Statue	167	17.3653	0.1469	0.2635	0.6822	0.1108	0.0344	0.0905	0.0249	0.0270	0.0034	0.0058	0.0071	0.0148
Laptop	164	19.5122	0.1915	0.2828	0.7009	0.1212	0.0680	0.1315	0.0230	0.0201	0.0038	0.0070	0.0075	0.0132
Dresser	157	59.2357	0.4990	0.4026	0.8249	0.0920	0.0254	0.0662	0.1277	0.1162	0.0239	0.0399	0.0854	0.1059
Fridge	146	60.2740	0.5196	0.4203	0.8548	0.0846	0.0112	0.0454	0.1722	0.2312	0.0627	0.1189	0.1287	0.2013
Bed	143	57.3427	0.4903	0.3938	0.8145	0.1125	0.0546	0.1156	0.1351	0.1490	0.0410	0.0901	0.0949	0.1352
Knife	139	1.4388	0.0225	0.1018	0.6898	0.1670	0.0128	0.0606	0.0061	0.0006	0.0009	0.0029	0.0010	0.0030
Fork	138	0.0000	0.0019	0.0076	-	-	0.0019	0.0076	-	-	0.0005	0.0014	0.0005	0.0014
Garbage Can	132	58.3333	0.4425	0.3744	0.7509	0.0887	0.0109	0.0595	0.0254	0.0198	0.0048	0.0054	0.0168	0.0185
Pillow	132	15.9091	0.1420	0.2629	0.7005	0.1219	0.0363	0.0936	0.0193	0.0179	0.0032	0.0052	0.0057	0.0103
Mug	128	5.4688	0.0388	0.1534	0.6619	0.1256	0.0028	0.0125	0.0095	0.0033	0.0018	0.0089	0.0022	0.0089
Spoon	122	0.0000	0.0011	0.0044	-	-	0.0011	0.0044	-	-	0.0007	0.0018	0.0007	0.0018
Wine Bottle	114	7.0175	0.0908	0.1944	0.6969	0.0838	0.0451	0.1005	0.0158	0.0164	0.0059	0.0317	0.0066	0.0309
Bread	109	10.0917	0.0997	0.2176	0.7027	0.0940	0.0320	0.0769	0.0134	0.0090	0.0025	0.0049	0.0036	0.0063
Arm Chair	109	57.7982	0.4810	0.4042	0.8164	0.1005	0.0217	0.0710	0.0799	0.0750	0.0150	0.0164	0.0525	0.0662
Spray Bottle	107	19.6262	0.1631	0.2651	0.6603	0.1141	0.0417	0.0928	0.0132	0.0085	0.0012	0.0021	0.0035	0.0063
Vase	102	19.6078	0.1644	0.2747	0.6673	0.1324	0.0418	0.1110	0.0121	0.0137	0.0018	0.0027	0.0038	0.0076
Cup	94	2.1277	0.0320	0.1185	0.7036	0.1344	0.0174	0.0635	0.0081	0.0028	0.0012	0.0020	0.0014	0.0022
Pencil	89	1.1236	0.0067	0.0605	0.5701	-	0.0003	0.0029	0.0028	-	0.0001	0.0003	0.0001	0.0004
Floor Lamp	89	61.7978	0.4860	0.3805	0.7691	0.1368	0.0282	0.0770	0.1384	0.1747	0.0325	0.0708	0.0980	0.1526
Toaster	87	18.3908	0.1560	0.2738	0.6885	0.1159	0.0360	0.0991	0.0153	0.0161	0.0027	0.0054	0.0050	0.0097
Kettle	84	7.1429	0.0625	0.1750	0.6602	0.1200	0.0165	0.0457	0.0179	0.0116	0.0022	0.0047	0.0034	0.0067
Spatula	82	0.0000	0.0045	0.0232	-	-	0.0045	0.0232	-	-	0.0015	0.0057	0.0015	0.0057
Credit Card	82	0.0000	0.0086	0.0410	-	-	0.0086	0.0410	-	-	0.0047	0.0307	0.0047	0.0307
Butter Knife	76	0.0000	0.0019	0.0070	-	-	0.0019	0.0070	-	-	0.0003	0.0005	0.0003	0.0005
Toilet	75	65.3333	0.5309	0.3521	0.7695	0.1140	0.0814	0.1424	0.0914	0.0934	0.0187	0.0341	0.0662	0.0853
Washing Machine	74	63.5135	0.5266	0.3893	0.8113	0.1000	0.0311	0.0799	0.0825	0.0787	0.0170	0.0212	0.0586	0.0712
Shelving Unit	73	52.0548	0.4378	0.4235	0.8349	0.1044	0.0067	0.0219	0.1341	0.1834	0.0406	0.0764	0.0893	0.1492
TV Stand	69	23.1884	0.1998	0.3306	0.7658	0.1391	0.0289	0.0951	0.0666	0.0569	0.0236	0.0358	0.0336	0.0450
Lettuce	69	10.1449	0.0988	0.2191	0.6755	0.1088	0.0337	0.0995	0.0087	0.0030	0.0014	0.0022	0.0021	0.0032
Sink	69	69.5652	0.5407	0.3556	0.7671	0.0967	0.0234	0.0646	0.0615	0.0638	0.0361	0.0385	0.0537	0.0582
Dish Sponge	68	0.0000	0.0093	0.0547	-	-	0.0093	0.0547	-	-	0.0008	0.0015	0.0008	0.0015
Newspaper	68	4.4118	0.0417	0.1458	0.6690	0.1313	0.0127	0.0492	0.0149	0.0076	0.0011	0.0020	0.0017	0.0037
Potato	66	0.0000	0.0041	0.0141	-	-	0.0041	0.0141	-	-	0.0020	0.0092	0.0020	0.0092
Apple	64	0.0000	0.0122	0.0555	-	-	0.0122	0.0555	-	-	0.0011	0.0030	0.0011	0.0030
Soap Bottle	64	10.9375	0.1200	0.2333	0.6978	0.1274	0.0490	0.1125	0.0091	0.0038	0.0019	0.0033	0.0027	0.0040
Watch	63	0.0000	0.0007	0.0015	-	-	0.0007	0.0015	-	-	0.0002	0.0004	0.0002	0.0004
Side Table	60	40.0000	0.3206	0.3791	0.7661	0.1191	0.0236	0.0783	0.0471	0.0390	0.0143	0.0288	0.0274	0.0367
Tomato	59	8.4746	0.0765	0.1912	0.6491	0.0956	0.0235	0.0742	0.0083	0.0033	0.0005	0.0008	0.0012	0.0025
Garbage Bag	59	66.1017	0.4893	0.3549	0.7320	0.1067	0.0161	0.0714	0.0203	0.0198	0.0049	0.0047	0.0151	0.0178
Pan	54	3.7037	0.0383	0.1550	0.8005	0.0746	0.0089	0.0348	0.0246	0.0131	0.0019	0.0039	0.0027	0.0060
Salt Shaker	53	0.0000	0.0229	0.0814	-	-	0.0229	0.0814	-	-	0.0008	0.0014	0.0008	0.0014
Faucet	52	5.7692	0.0912	0.1475	0.5853	0.0740	0.0609	0.0818	0.0067	0.0053	0.0073	0.0134	0.0073	0.0131
Pepper Shaker	50	0.0000	0.0117	0.0493	-	-	0.0117	0.0493	-	-	0.0008	0.0012	0.0008	0.0012
Teddy Bear	46	45.6522	0.3469	0.3639	0.7233	0.1136	0.0307	0.0975	0.0190	0.0211	0.0039	0.0040	0.0108	0.0163
Toilet Paper	46	6.5217	0.0557	0.1522	0.6058	0.0315	0.0173	0.0405	0.0167	0.0021	0.0012	0.0023	0.0022	0.0045
Stool	44	36.3636	0.2857	0.3824	0.7780	0.1126	0.0044	0.0133	0.0342	0.0296	0.0043	0.0036	0.0151	0.0229
Candle	43	4.6512	0.0636	0.1724	0.7045	0.2633	0.0323	0.0890	0.0058	0.0005	0.0011	0.0025	0.0013	0.0027
Baseball Bat	43	16.2791	0.1384	0.2740	0.7279	0.1132	0.0238	0.0698	0.0296	0.0260	0.0063	0.0091	0.0101	0.0155
Cart	42	50.0000	0.4287	0.4264	0.8448	0.0776	0.0125	0.0549	0.1035	0.0752	0.0194	0.0219	0.0614	0.0693
Microwave	40	10.0000	0.0869	0.2193	0.7068	0.1428	0.0180	0.0551	0.0257	0.0207	0.0072	0.0068	0.0090	0.0103
Desk Lamp	40	20.0000	0.1696	0.3078	0.7659	0.0904	0.0205	0.0514	0.0344	0.0199	0.0068	0.0130	0.0123	0.0182
Plunger	39	17.9487	0.1324	0.2670	0.6787	0.0948	0.0129	0.0590	0.0107	0.0030	0.0032	0.0033	0.0046	0.0043
Basket Ball	37	35.1351	0.2669	0.3340	0.6902	0.1031	0.0376	0.1137	0.0092	0.0075	0.0021	0.0017	0.0046	0.0057
Dog Bed	34	26.4706	0.2237	0.3752	0.8383	0.0529	0.0025	0.0070	0.0401	0.0237	0.0085	0.0143	0.0169	0.0221
Ladle	33	0.0000	0.0016	0.0064	-	-	0.0016	0.0064	-	-	0.0013	0.0037	0.0013	0.0037
Pot	33	21.2121	0.1657	0.3035	0.7177	0.1475	0.0171	0.0660	0.0299	0.0170	0.0056	0.0136	0.0108	0.0173
Paper Towel Roll	32	6.2500	0.0724	0.2024	0.8065	0.0556	0.0235	0.0635	0.0169	0.0065	0.0023	0.0032	0.0032	0.0049
Alarm Clock	29	27.5862	0.2029	0.2673	0.6032	0.0778	0.0503	0.0967	0.0094	0.0073	0.0021	0.0031	0.0041	0.0056
Tissue Box	21	0.0000	0.0018	0.0037	-	-	0.0018	0.0037	-	-	0.0033	0.0044	0.0033	0.0044
Egg	20	0.0000	0.0104	0.0464	-	-	0.0104	0.0464	-	-	0.0004	0.0006	0.0004	0.0006
Cloth	17	0.0000	0.0167	0.0262	-	-	0.0167	0.0262	-	-	0.0019	0.0026	0.0019	0.0026
Safe	16	25.0000	0.2072	0.3482	0.7878	0.0726	0.0136	0.0214	0.0281	0.0279	0.0061	0.0056	0.0116	0.0166
Desk	15	33.3333	0.2923	0.3701	0.7829	0.0850	0.0470	0.0966	0.0792	0.0673	0.0401	0.0440	0.0531	0.0538
Coffee Machine	14	35.7143	0.2668	0.3322	0.6839	0.0884	0.0351	0.0791	0.0091	0.0040	0.0073	0.0090	0.0079	0.0075
Tennis Racket	13	7.6923	0.1319	0.2542	0.8443	-	0.0726	0.1432	0.0571	-	0.0021	0.0021	0.0063	0.0154
Laundry Hamper	7	28.5714	0.1892	0.3237	0.6591	0.1022	0.0012	0.0020	0.0204	0.0135	0.0084	0.0068	0.0118	0.0098
Table Top Decor	6	0.0000	0.0538	0.0385	-	-	0.0538	0.0385	-	-	0.0050	0.0070	0.0050	0.0070
Vacuum Cleaner	5	60.0000	0.4002	0.3662	0.6669	0.0366	0.0000	0.0000	0.0108	0.0007	0.0016	0.0020	0.0071	0.0052
Soap Bar	4	0.0000	0.0013	0.0018	-	-	0.0013	0.0018	-	-	0.0001	0.0000	0.0001	0.0000
Room Decor	4	0.0000	0.0110	0.0219	-	-	0.0110	0.0219	-	-	0.0100	0.0067	0.0100	0.0067
Dumbbell	2	50.0000	0.4224	0.5651	0.8220	-	0.0228	-	0.0295	-	0.0001	-	0.0148	0.0208
Coffee Table	1	100.0000	0.7769	-	0.7769	-	-	-	0.0194	-	-	-	0.0194	-
Ottoman	1	100.0000	0.8790	-	0.8790	-	-	-	0.0872	-	-	-	0.0872	-
Come si può evincere, questo risultato è stato un fallimento. Le prestazioni sono addirittura leggermente inferiori all’esperimento precedente. Inoltre il problema non sembra essere la formulazione del prompt: ho effettuato alcuni esperimenti su piccoli batch di dati con prompt leggermente differenti, e il risultato è pressochè lo stesso. Chiaramente il problema non è risolvibile con un po’ di prompt engineering.

Alcuni esempi dei tipi di prompt che ho sperimentato: §

def generate_prompt(entity_type, parent_entity=None):
 
	if isinstance(parent_entity, str):
		prompt = f"<grounding><phrase>there is a {entity_type} on the {parent_entity}</phrase>"
	else:
		prompt = f"t<grounding><phrase>there is a {entity_type}</phrase>"
	return [prompt]

def generate_prompt(entity_type, parent_entity=None):
 
	if isinstance(parent_entity, str):
		prompt = f"<grounding><phrase>this is a {entity_type} on the {parent_entity}</phrase>"
	else:
		prompt = f"t<grounding><phrase>this is a {entity_type}</phrase>"
	return [prompt]

ottenendo risultati equivalenti al prompt che ho utilizzato infine già riportato precedentemente:

def generate_prompt(entity_type, parent_entity=None):
 
	if isinstance(parent_entity, str):
		prompt = f"<grounding><phrase>{entity_type} on the {parent_entity}</phrase>"
	else:
		prompt = f"t<grounding><phrase>{entity_type}</phrase>"
	return [prompt]

Alcuni esempi di paternità §

Qui ci sono alcuni esempi rilevanti in cui paternità ha fatto meglio:

In questi due casi “virtuosi”, kosmos è stato in grado di trovare l’entità che non era riuscito a trovare senza aiuto da parte della relazione di “parent entity”.

Non sempre però questo avviene:

Molte di queste “divergenze” sono su dipinti, in effetti questo torna con i dati (con paternity la percentuale di match è leggermente minore)

entity_type	Percentage of Matches
Total	22.5200
Painting	39.9457

entity_type	Percentage of Matches
Total	23.0500
Painting	40.3462

Lexical references §

Un altro esperimento che abbiamo portato avanti è stato di utilizzare, invece del nome dell’entità, le lexical references. Questo esperimento è stato fatto non tanto per vedere se le lexical refereneces potessero risolvere il problema di prestazioni, ma piuttosto per vedere quanto decadono le prestazioni se ci riferiamo agli oggetti con i termini più disparati

Attraverso uno script ho creato un file che invece del nome dell’entità ha una delle lexical references

environment	entity_type	image_bbox	image_normal	bounding_box
2380	phone	Robocup/2380/images/LivingRoom/bounding_box/position_1/2380_LivingRoom_bounding_box_pos_1_180.jpg	Robocup/2380/images/LivingRoom/normal/position_1/2380_LivingRoom_pos_1_180.jpg	(0.465, 0.31333333333333335, 0.475, 0.31333333333333335)
2304	keys	Robocup/2304/images/Bedroom/bounding_box/position_1/2304_Bedroom_bounding_box_pos_1_90.jpg	Robocup/2304/images/Bedroom/normal/position_1/2304_Bedroom_pos_1_90.jpg	(0.0, 0.425, 0.006666666666666667, 0.43)
3489	jar	Release1/3489/images/Kitchen/bounding_box/position_6/3489_Kitchen_bounding_box_pos_6_0.jpg	Release1/3489/images/Kitchen/normal/position_6/3489_Kitchen_pos_6_0.jpg	(0.5583333333333333, 0.2683333333333333, 0.575, 0.29)
2192	jam	Robocup/2192/images/Kitchen/bounding_box/position_1/2192_Kitchen_bounding_box_pos_1_90.jpg	Robocup/2192/images/Kitchen/normal/position_1/2192_Kitchen_pos_1_90.jpg	(0.49166666666666664, 0.375, 0.52, 0.39)

Risultati precedenti:

Total	10000	22.1100	0.1864	0.3211	0.7676	0.1178	0.0215	0.0731	0.0752	0.1074	0.0070	0.0279	0.0221	0.0629
Quindi ho avviato l’evaluation. Il risultato è stato il seguente:

file: lexical_reference_zero_shot_final_statistics_dash.csv

entity_type	Number of Occurrences	Percentage of Matches	Average Overlapping Index	Std Average Overlapping Index	Average Overlapping Index (Matched)	Std Average Overlapping Index (Matched)	Average Overlapping Index (Unmatched)	Std Average Overlapping Index (Unmatched)	Avg BBox Dimensions (Correct)	Std Avg BBox Dimensions (Correct)	Avg BBox Dimensions (Incorrect)	Std Avg BBox Dimensions (Incorrect)	Average BBox Dimensions (All)	Std Average BBox Dimensions (All)
Total	10000	19.2300	0.1557	0.3062	0.7696	0.1170	0.0096	0.0412	0.0772	0.1134	0.0063	0.0258	0.0199	0.0616
picture	224	44.1964	0.3646	0.3881	0.7866	0.0940	0.0305	0.0962	0.0613	0.0879	0.0189	0.0297	0.0376	0.0658
poster	219	46.1187	0.3548	0.3887	0.7667	0.1064	0.0022	0.0088	0.0496	0.0765	0.0130	0.0197	0.0299	0.0568
painting	217	48.8479	0.3806	0.3894	0.7707	0.1005	0.0081	0.0375	0.0680	0.1015	0.0187	0.0277	0.0427	0.0775
message	209	0.0000	0.0029	0.0178	-	-	0.0029	0.0178	-	-	0.0006	0.0015	0.0006	0.0015
cellphone	205	0.9756	0.0083	0.0633	0.6406	0.0173	0.0021	0.0073	0.0079	0.0004	0.0007	0.0016	0.0008	0.0017
answer machine	204	0.4902	0.0058	0.0480	0.6255	-	0.0028	0.0202	0.0052	-	0.0014	0.0125	0.0014	0.0125
radio	203	1.4778	0.0127	0.0826	0.6725	0.0373	0.0028	0.0161	0.0072	0.0028	0.0014	0.0126	0.0015	0.0125
answer	189	0.5291	0.0072	0.0434	0.5248	-	0.0044	0.0213	0.0031	-	0.0016	0.0130	0.0016	0.0130
cell	184	0.0000	0.0036	0.0262	-	-	0.0036	0.0262	-	-	0.0007	0.0017	0.0007	0.0017
telephone	178	2.2472	0.0170	0.0998	0.6697	0.0594	0.0020	0.0071	0.0058	0.0016	0.0015	0.0135	0.0016	0.0133
phone	173	1.1561	0.0101	0.0787	0.7343	0.0286	0.0016	0.0040	0.0066	0.0026	0.0007	0.0019	0.0008	0.0020
controller	173	1.1561	0.0102	0.0775	0.7217	0.0799	0.0019	0.0043	0.0126	0.0042	0.0009	0.0021	0.0010	0.0025
stereo	167	0.5988	0.0091	0.0617	0.6290	-	0.0054	0.0385	0.0056	-	0.0008	0.0018	0.0009	0.0018
remote	161	3.1056	0.0236	0.1164	0.6449	0.1333	0.0036	0.0261	0.0081	0.0054	0.0007	0.0017	0.0009	0.0023
book	153	7.8431	0.0576	0.1840	0.6752	0.1167	0.0050	0.0143	0.0218	0.0154	0.0019	0.0046	0.0035	0.0081
remote control	145	1.3793	0.0113	0.0716	0.5985	0.0983	0.0030	0.0141	0.0116	0.0071	0.0009	0.0027	0.0010	0.0031
reading	136	7.3529	0.0540	0.1854	0.6991	0.1231	0.0028	0.0102	0.0170	0.0084	0.0019	0.0042	0.0031	0.0061
catalogue	131	6.1069	0.0462	0.1725	0.7152	0.0806	0.0027	0.0087	0.0209	0.0101	0.0019	0.0037	0.0030	0.0063
chair	129	19.3798	0.2090	0.2904	0.7516	0.1082	0.0786	0.1159	0.0509	0.0471	0.0132	0.0179	0.0205	0.0300
seat	113	23.8938	0.2142	0.2911	0.6997	0.1268	0.0618	0.0914	0.0415	0.0329	0.0109	0.0120	0.0183	0.0231
table	107	54.2056	0.4279	0.3834	0.7672	0.1153	0.0264	0.0720	0.0742	0.0610	0.0277	0.0480	0.0529	0.0599
cake	104	0.0000	0.0016	0.0067	-	-	0.0016	0.0067	-	-	0.0004	0.0019	0.0004	0.0019
pen	97	0.0000	0.0006	0.0019	-	-	0.0006	0.0019	-	-	0.0003	0.0009	0.0003	0.0009
dining table	95	64.2105	0.5055	0.3784	0.7748	0.1215	0.0224	0.0810	0.0766	0.0661	0.0189	0.0211	0.0559	0.0610
laptop	84	21.4286	0.1696	0.3103	0.7455	0.1434	0.0125	0.0260	0.0274	0.0243	0.0029	0.0044	0.0081	0.0154
television	71	60.5634	0.4648	0.3888	0.7674	0.1191	0.0000	0.0001	0.1123	0.1547	0.0138	0.0239	0.0734	0.1301
worktop	69	43.4783	0.3635	0.4140	0.8244	0.1099	0.0089	0.0280	0.1538	0.1280	0.0569	0.0891	0.0990	0.1173
keys	69	0.0000	0.0006	0.0017	-	-	0.0006	0.0017	-	-	0.0003	0.0007	0.0003	0.0007
glass	69	4.3478	0.0336	0.1289	0.6170	0.0342	0.0071	0.0304	0.0124	0.0062	0.0029	0.0133	0.0033	0.0132
juice	65	6.1538	0.0464	0.1555	0.5982	0.1291	0.0102	0.0577	0.0137	0.0164	0.0018	0.0033	0.0026	0.0056
coke	63	1.5873	0.0198	0.0850	0.5014	-	0.0121	0.0590	0.0062	-	0.0017	0.0030	0.0018	0.0031
key chain	63	0.0000	0.0004	0.0015	-	-	0.0004	0.0015	-	-	0.0004	0.0008	0.0004	0.0008
indoor plant	63	44.4444	0.3195	0.3531	0.7008	0.1092	0.0144	0.0485	0.0265	0.0209	0.0056	0.0128	0.0149	0.0198
bag	62	8.0645	0.0683	0.1846	0.6655	0.1333	0.0159	0.0347	0.0111	0.0129	0.0042	0.0055	0.0048	0.0065
handbag	61	13.1148	0.0963	0.2172	0.6361	0.0973	0.0148	0.0393	0.0184	0.0148	0.0051	0.0094	0.0068	0.0111
case	61	1.6393	0.0286	0.1104	0.8421	-	0.0151	0.0315	0.0338	-	0.0055	0.0065	0.0059	0.0074
bottle of water	60	6.6667	0.0491	0.1803	0.7060	0.1499	0.0021	0.0051	0.0181	0.0145	0.0016	0.0024	0.0027	0.0058
drink	59	6.7797	0.0571	0.1757	0.6546	0.1324	0.0136	0.0616	0.0102	0.0057	0.0024	0.0056	0.0029	0.0059
bottle	59	3.3898	0.0291	0.1398	0.7680	0.0041	0.0032	0.0075	0.0080	0.0034	0.0009	0.0010	0.0011	0.0017
statue	59	20.3390	0.1436	0.2762	0.6732	0.1286	0.0084	0.0208	0.0173	0.0130	0.0021	0.0030	0.0052	0.0088
utensil	59	0.0000	0.0057	0.0148	-	-	0.0057	0.0148	-	-	0.0019	0.0060	0.0019	0.0060
cigarettes	58	13.7931	0.0952	0.2121	0.6105	0.0919	0.0127	0.0291	0.0109	0.0099	0.0053	0.0079	0.0060	0.0083
box	58	10.3448	0.0881	0.2222	0.7107	0.1366	0.0163	0.0497	0.0140	0.0060	0.0049	0.0079	0.0058	0.0082
pack	57	8.7719	0.0818	0.2065	0.7116	0.1436	0.0213	0.0507	0.0133	0.0066	0.0063	0.0097	0.0069	0.0096
tv	57	75.4386	0.5937	0.3485	0.7812	0.1187	0.0181	0.0677	0.0902	0.1229	0.0145	0.0254	0.0716	0.1120
flower	56	42.8571	0.3119	0.3665	0.7193	0.1331	0.0063	0.0179	0.0352	0.0358	0.0069	0.0134	0.0190	0.0290
plant	56	42.8571	0.3083	0.3660	0.7176	0.1202	0.0013	0.0037	0.0362	0.0441	0.0032	0.0034	0.0174	0.0331
telly	56	26.7857	0.2075	0.3384	0.7395	0.1537	0.0128	0.0645	0.1180	0.1694	0.0363	0.0821	0.0582	0.1164
water	55	3.6364	0.0274	0.1277	0.6582	0.2218	0.0036	0.0105	0.0222	0.0226	0.0023	0.0043	0.0030	0.0064
power	53	5.6604	0.0640	0.1848	0.7745	0.1058	0.0213	0.0549	0.0604	0.0486	0.0057	0.0082	0.0088	0.0178
couch	52	63.4615	0.5305	0.3982	0.8229	0.0876	0.0227	0.0822	0.0928	0.0782	0.0283	0.0619	0.0692	0.0785
drawer unit	51	72.5490	0.6118	0.3843	0.8415	0.0862	0.0046	0.0133	0.1055	0.0904	0.0222	0.0234	0.0826	0.0862
wifi	51	3.9216	0.0447	0.1270	0.6410	0.0515	0.0204	0.0365	0.0100	0.0001	0.0044	0.0057	0.0046	0.0057
cutlery	51	0.0000	0.0058	0.0171	-	-	0.0058	0.0171	-	-	0.0017	0.0039	0.0017	0.0039
bowl	51	7.8431	0.0596	0.1785	0.6555	0.0886	0.0088	0.0250	0.0082	0.0027	0.0015	0.0028	0.0020	0.0033
pasta	50	10.0000	0.0771	0.2163	0.7123	0.0785	0.0065	0.0250	0.0145	0.0083	0.0015	0.0040	0.0028	0.0060
spoon	50	0.0000	0.0013	0.0046	-	-	0.0013	0.0046	-	-	0.0005	0.0010	0.0005	0.0010
computer	49	10.2041	0.0911	0.2202	0.7233	0.1044	0.0192	0.0366	0.0216	0.0158	0.0047	0.0089	0.0065	0.0109
counter	49	51.0204	0.4184	0.4165	0.8153	0.1075	0.0049	0.0162	0.1520	0.1596	0.0644	0.1058	0.1091	0.1416
plate	48	4.1667	0.0413	0.1723	0.8550	0.0246	0.0059	0.0165	0.0254	0.0269	0.0017	0.0030	0.0027	0.0069
refrigerator	48	60.4167	0.4946	0.4124	0.8186	0.1037	0.0000	0.0000	0.1476	0.1635	0.0482	0.0855	0.1082	0.1454
sofa	47	63.8298	0.5491	0.3965	0.8332	0.0939	0.0477	0.1327	0.1213	0.1252	0.0181	0.0228	0.0840	0.1122
notebook	46	17.3913	0.1349	0.2879	0.7485	0.1053	0.0057	0.0129	0.0224	0.0198	0.0021	0.0023	0.0056	0.0112
knife	46	4.3478	0.0370	0.1580	0.7653	0.0851	0.0039	0.0123	0.0223	0.0136	0.0014	0.0029	0.0023	0.0056
garbage bucket	45	62.2222	0.4763	0.3802	0.7649	0.0829	0.0009	0.0033	0.0285	0.0218	0.0076	0.0186	0.0206	0.0228
bottle of wine	45	6.6667	0.0553	0.1827	0.7230	0.1104	0.0076	0.0173	0.0102	0.0023	0.0090	0.0475	0.0090	0.0459
beer	45	11.1111	0.0968	0.2171	0.6320	0.1139	0.0299	0.1027	0.0067	0.0019	0.0117	0.0512	0.0112	0.0483
wine	44	13.6364	0.0954	0.2368	0.6811	0.0726	0.0030	0.0052	0.0078	0.0022	0.0042	0.0177	0.0047	0.0165
fork	44	0.0000	0.0032	0.0106	-	-	0.0032	0.0106	-	-	0.0010	0.0034	0.0010	0.0034
spraybottle	44	15.9091	0.1027	0.2360	0.6307	0.1094	0.0028	0.0057	0.0077	0.0064	0.0009	0.0020	0.0020	0.0039
pc	43	18.6047	0.1327	0.2673	0.6741	0.1170	0.0089	0.0269	0.0229	0.0209	0.0044	0.0093	0.0078	0.0140
bucket	43	67.4419	0.5368	0.3690	0.7861	0.0622	0.0203	0.0759	0.0280	0.0223	0.0059	0.0080	0.0208	0.0215
napkin	43	0.0000	0.0011	0.0021	-	-	0.0011	0.0021	-	-	0.0003	0.0006	0.0003	0.0006
horse	43	9.3023	0.0697	0.1839	0.6166	0.1013	0.0136	0.0428	0.0229	0.0165	0.0034	0.0059	0.0052	0.0092
bottle of beer	42	14.2857	0.1061	0.2383	0.6634	0.1139	0.0132	0.0507	0.0086	0.0026	0.0135	0.0539	0.0128	0.0498
drawer	42	45.2381	0.3991	0.4245	0.8578	0.0508	0.0202	0.0437	0.1077	0.0740	0.0209	0.0267	0.0602	0.0686
beer bottle	42	11.9048	0.0814	0.2211	0.6663	0.1240	0.0024	0.0049	0.0086	0.0037	0.0012	0.0011	0.0021	0.0029
socket	42	14.2857	0.1057	0.2269	0.6442	0.0924	0.0159	0.0331	0.0222	0.0228	0.0046	0.0057	0.0071	0.0114
web	41	9.7561	0.0741	0.2166	0.7109	0.1502	0.0052	0.0181	0.0216	0.0082	0.0043	0.0085	0.0060	0.0099
power socket	40	7.5000	0.0569	0.1800	0.6691	0.1215	0.0072	0.0231	0.0283	0.0334	0.0028	0.0042	0.0047	0.0109
closet	40	52.5000	0.4683	0.4358	0.8739	0.0572	0.0200	0.0614	0.1541	0.1164	0.0330	0.0516	0.0965	0.1092
garbage can	40	67.5000	0.5218	0.3629	0.7656	0.0821	0.0153	0.0411	0.0265	0.0213	0.0188	0.0279	0.0240	0.0236
building	39	46.1538	0.4220	0.4577	0.9090	0.0433	0.0046	0.0144	0.3431	0.3018	0.0343	0.0271	0.1768	0.2558
bedstand	39	46.1538	0.4148	0.4026	0.8235	0.0836	0.0646	0.1513	0.1244	0.1429	0.0404	0.0484	0.0792	0.1103
bread	38	0.0000	0.0099	0.0340	-	-	0.0099	0.0340	-	-	0.0014	0.0026	0.0014	0.0026
tablet	38	10.5263	0.0880	0.2128	0.6895	0.0948	0.0173	0.0306	0.0309	0.0259	0.0033	0.0051	0.0062	0.0123
pillow	38	18.4211	0.1429	0.2887	0.7278	0.1480	0.0108	0.0227	0.0223	0.0168	0.0047	0.0109	0.0080	0.0138
dresser	38	63.1579	0.5679	0.4061	0.8678	0.0446	0.0538	0.1229	0.1089	0.0626	0.0261	0.0328	0.0784	0.0667
mouse	37	8.1081	0.0740	0.1992	0.7125	0.1570	0.0177	0.0381	0.0195	0.0187	0.0044	0.0063	0.0056	0.0086
fridge	37	67.5676	0.5470	0.3987	0.8094	0.1313	0.0003	0.0009	0.2202	0.3047	0.0499	0.0436	0.1650	0.2627
yogurt	37	0.0000	0.0061	0.0107	-	-	0.0061	0.0107	-	-	0.0021	0.0037	0.0021	0.0037
bed	37	45.9459	0.3818	0.4229	0.8280	0.1053	0.0026	0.0072	0.1307	0.1154	0.0202	0.0256	0.0710	0.0968
armchair	37	59.4595	0.4718	0.4010	0.7926	0.0988	0.0014	0.0053	0.0625	0.0652	0.0205	0.0385	0.0455	0.0591
bedside	37	32.4324	0.2927	0.3903	0.8366	0.0659	0.0317	0.0878	0.1073	0.0967	0.0477	0.0657	0.0670	0.0809
pocket	36	0.0000	0.0022	0.0053	-	-	0.0022	0.0053	-	-	0.0014	0.0043	0.0014	0.0043
wine bottle	36	11.1111	0.0697	0.1921	0.6010	0.0824	0.0033	0.0072	0.0060	0.0025	0.0022	0.0038	0.0026	0.0038
soap	36	8.3333	0.0618	0.1878	0.6719	0.0803	0.0064	0.0102	0.0069	0.0057	0.0032	0.0059	0.0036	0.0059
bin	36	72.2222	0.5696	0.3515	0.7732	0.1095	0.0404	0.1275	0.0325	0.0257	0.0032	0.0025	0.0244	0.0255
nightstand	35	42.8571	0.3671	0.4110	0.8188	0.1221	0.0283	0.0970	0.1936	0.2130	0.0427	0.0683	0.1074	0.1644
bench	35	54.2857	0.4386	0.4147	0.8068	0.1085	0.0013	0.0052	0.0579	0.0418	0.0215	0.0425	0.0413	0.0454
aspirin	35	0.0000	0.0010	0.0020	-	-	0.0010	0.0020	-	-	0.0004	0.0012	0.0004	0.0012
stove	34	5.8824	0.0474	0.1720	0.7223	0.0228	0.0052	0.0152	0.0263	0.0118	0.0043	0.0066	0.0056	0.0085
mug	34	8.8235	0.0504	0.1621	0.5624	0.0453	0.0008	0.0021	0.0130	0.0101	0.0009	0.0032	0.0019	0.0053
spatula	33	0.0000	0.0024	0.0110	-	-	0.0024	0.0110	-	-	0.0016	0.0054	0.0016	0.0054
mustard	33	0.0000	0.0007	0.0019	-	-	0.0007	0.0019	-	-	0.0002	0.0006	0.0002	0.0006
jar	32	6.2500	0.0385	0.1369	0.5572	0.0321	0.0039	0.0141	0.0042	0.0029	0.0009	0.0015	0.0011	0.0018
cushion	32	9.3750	0.0638	0.1832	0.6204	0.0735	0.0063	0.0121	0.0139	0.0080	0.0023	0.0034	0.0033	0.0052
vase	32	9.3750	0.0633	0.1903	0.6418	0.0797	0.0034	0.0094	0.0128	0.0019	0.0015	0.0027	0.0025	0.0042
shelf	32	62.5000	0.5334	0.4087	0.8421	0.0617	0.0187	0.0442	0.1481	0.1462	0.1275	0.2756	0.1404	0.2004
paperback	32	3.1250	0.0218	0.1049	0.5953	-	0.0033	0.0071	0.0093	-	0.0008	0.0020	0.0010	0.0025
wire	32	0.0000	0.0003	0.0010	-	-	0.0003	0.0010	-	-	0.0003	0.0008	0.0003	0.0008
toilet	31	77.4194	0.5891	0.3218	0.7526	0.1042	0.0283	0.0456	0.0665	0.0820	0.0126	0.0187	0.0543	0.0758
scissors	31	0.0000	0.0009	0.0020	-	-	0.0009	0.0020	-	-	0.0003	0.0004	0.0003	0.0004
lanyard	31	0.0000	0.0027	0.0081	-	-	0.0027	0.0081	-	-	0.0013	0.0032	0.0013	0.0032
bookshelf	30	66.6667	0.5584	0.3919	0.8258	0.0828	0.0237	0.0613	0.1170	0.1177	0.0302	0.0425	0.0881	0.1066
tvstand	30	13.3333	0.0909	0.1901	0.5222	0.0159	0.0245	0.0868	0.1208	0.0846	0.0324	0.0431	0.0441	0.0572
butter knife	30	0.0000	0.0002	0.0008	-	-	0.0002	0.0008	-	-	0.0002	0.0006	0.0002	0.0006
night	29	20.6897	0.2176	0.3609	0.8978	0.0295	0.0402	0.0804	0.2885	0.2608	0.0747	0.1279	0.1190	0.1810
soap dispenser	29	0.0000	0.0184	0.0552	-	-	0.0184	0.0552	-	-	0.0030	0.0057	0.0030	0.0057
kettle	29	10.3448	0.0759	0.2015	0.6534	0.0674	0.0092	0.0217	0.0141	0.0073	0.0022	0.0031	0.0034	0.0051
cabinet	29	48.2759	0.4266	0.4268	0.8513	0.1097	0.0301	0.0656	0.1840	0.1707	0.0501	0.0578	0.1147	0.1409
jam	29	0.0000	0.0120	0.0554	-	-	0.0120	0.0554	-	-	0.0015	0.0033	0.0015	0.0033
milk	29	6.8966	0.0516	0.1514	0.5929	0.0016	0.0115	0.0216	0.0066	0.0005	0.0027	0.0037	0.0030	0.0037
cup of coffee	29	3.4483	0.0289	0.1224	0.6619	-	0.0063	0.0131	0.0075	-	0.0014	0.0015	0.0016	0.0019
glasses	29	0.0000	0.0005	0.0014	-	-	0.0005	0.0014	-	-	0.0003	0.0006	0.0003	0.0006
cup	29	6.8966	0.0588	0.1730	0.6595	0.0034	0.0143	0.0493	0.0050	0.0035	0.0038	0.0077	0.0039	0.0074
mirror	28	0.0000	0.0128	0.0339	-	-	0.0128	0.0339	-	-	0.0059	0.0191	0.0059	0.0191
magazine	27	7.4074	0.0567	0.1831	0.6724	0.2046	0.0074	0.0214	0.0207	0.0174	0.0014	0.0026	0.0028	0.0067
shelving	27	77.7778	0.6515	0.3588	0.8352	0.0885	0.0086	0.0134	0.1286	0.2022	0.0607	0.1161	0.1135	0.1868
washer	26	69.2308	0.5761	0.3916	0.8278	0.0856	0.0097	0.0186	0.1109	0.0997	0.0356	0.0424	0.0877	0.0923
pantry	25	60.0000	0.4948	0.4006	0.8085	0.0991	0.0243	0.0531	0.1491	0.1517	0.0343	0.0561	0.1032	0.1338
toaster	25	12.0000	0.0885	0.2354	0.7092	0.0883	0.0039	0.0061	0.0234	0.0281	0.0037	0.0073	0.0061	0.0125
cupboard	24	70.8333	0.6105	0.3704	0.8383	0.0752	0.0572	0.0810	0.1469	0.1416	0.0623	0.0530	0.1222	0.1274
coffee	24	4.1667	0.0289	0.1349	0.6619	-	0.0014	0.0040	0.0075	-	0.0014	0.0019	0.0016	0.0023
fruit	24	0.0000	0.0005	0.0014	-	-	0.0005	0.0014	-	-	0.0005	0.0008	0.0005	0.0008
stand	24	25.0000	0.2564	0.3521	0.8184	0.1464	0.0690	0.1132	0.1528	0.1314	0.0301	0.0337	0.0608	0.0868
credit card	24	0.0000	0.0016	0.0050	-	-	0.0016	0.0050	-	-	0.0002	0.0006	0.0002	0.0006
eyeglasses	24	0.0000	0.0072	0.0157	-	-	0.0072	0.0157	-	-	0.0006	0.0011	0.0006	0.0011
recorder	24	45.8333	0.3930	0.3778	0.7736	0.1160	0.0709	0.1312	0.0959	0.1197	0.0161	0.0140	0.0527	0.0893
cereal	23	4.3478	0.0436	0.1729	0.8251	-	0.0081	0.0303	0.0058	-	0.0044	0.0129	0.0045	0.0126
pencil	23	0.0000	0.0001	0.0003	-	-	0.0001	0.0003	-	-	0.0001	0.0001	0.0001	0.0001
loo	23	65.2174	0.4962	0.3798	0.7597	0.1133	0.0021	0.0060	0.0785	0.0666	0.0087	0.0057	0.0542	0.0632
mayo	23	0.0000	0.0011	0.0022	-	-	0.0011	0.0022	-	-	0.0008	0.0010	0.0008	0.0010
wrench	23	0.0000	0.0023	0.0104	-	-	0.0023	0.0104	-	-	0.0006	0.0025	0.0006	0.0025
washing machine	23	73.9130	0.6089	0.3593	0.8112	0.0920	0.0357	0.0868	0.0850	0.0997	0.0044	0.0041	0.0640	0.0924
newspaper	23	8.6957	0.0636	0.2013	0.6894	0.1805	0.0040	0.0073	0.0182	0.0210	0.0018	0.0033	0.0032	0.0072
tap	22	63.6364	0.4865	0.3793	0.7583	0.1147	0.0108	0.0273	0.0859	0.0754	0.0431	0.0607	0.0703	0.0721
bath	22	63.6364	0.5218	0.3915	0.8032	0.1098	0.0293	0.0425	0.1070	0.0850	0.0468	0.0498	0.0851	0.0786
apple	22	9.0909	0.0607	0.1938	0.6565	0.0876	0.0011	0.0024	0.0037	0.0003	0.0010	0.0022	0.0013	0.0022
light	21	47.6190	0.4009	0.4020	0.7953	0.0911	0.0423	0.1367	0.0855	0.1216	0.0718	0.1027	0.0783	0.1095
washing	21	66.6667	0.5874	0.3464	0.8104	0.1241	0.1414	0.1365	0.1163	0.1223	0.0280	0.0201	0.0869	0.1080
dishwasher	19	73.6842	0.5869	0.3599	0.7930	0.0722	0.0095	0.0213	0.0930	0.1067	0.0214	0.0298	0.0742	0.0973
storage	19	31.5789	0.2740	0.3970	0.8354	0.0971	0.0149	0.0468	0.1385	0.1147	0.0450	0.0643	0.0746	0.0917
bathtub	19	57.8947	0.4527	0.4074	0.7819	0.1246	0.0000	0.0000	0.0866	0.0718	0.0118	0.0088	0.0551	0.0658
floorlamp	18	66.6667	0.5229	0.3960	0.7844	0.1366	0.0000	0.0000	0.0772	0.1012	0.0144	0.0138	0.0563	0.0873
sink	18	77.7778	0.5835	0.3108	0.7288	0.1372	0.0750	0.1500	0.0671	0.0741	0.0095	0.0067	0.0543	0.0694
sidetable	18	50.0000	0.3717	0.3792	0.7350	0.0916	0.0084	0.0139	0.0539	0.0375	0.0102	0.0222	0.0321	0.0374
candle	18	0.0000	0.0005	0.0015	-	-	0.0005	0.0015	-	-	0.0007	0.0010	0.0007	0.0010
salt shaker	18	0.0000	0.0015	0.0030	-	-	0.0015	0.0030	-	-	0.0004	0.0005	0.0004	0.0005
garbage bag	18	61.1111	0.4482	0.3671	0.7294	0.0720	0.0062	0.0165	0.0188	0.0160	0.0022	0.0011	0.0124	0.0148
bath-tub	18	50.0000	0.3864	0.3995	0.7629	0.1390	0.0099	0.0298	0.0793	0.0743	0.0197	0.0184	0.0495	0.0608
wristwatch	18	0.0000	0.0002	0.0004	-	-	0.0002	0.0004	-	-	0.0002	0.0005	0.0002	0.0005
floor lamp	17	52.9412	0.4549	0.4065	0.8128	0.1095	0.0522	0.1179	0.1238	0.1499	0.0206	0.0266	0.0752	0.1198
corn	17	11.7647	0.0762	0.2099	0.6329	0.0496	0.0020	0.0043	0.0085	0.0011	0.0007	0.0006	0.0016	0.0027
toilet paper	17	0.0000	0.0229	0.0562	-	-	0.0229	0.0562	-	-	0.0011	0.0017	0.0011	0.0017
lettuce	17	17.6471	0.1321	0.2974	0.7433	0.1649	0.0011	0.0039	0.0141	0.0132	0.0007	0.0006	0.0031	0.0071
cereals	17	0.0000	0.0011	0.0024	-	-	0.0011	0.0024	-	-	0.0038	0.0139	0.0038	0.0139
tomato	16	6.2500	0.0392	0.1534	0.6146	-	0.0008	0.0018	0.0043	-	0.0005	0.0006	0.0007	0.0011
pepper shaker	16	6.2500	0.0400	0.1579	0.6322	-	0.0005	0.0010	0.0019	-	0.0004	0.0007	0.0005	0.0007
toiletpaper	15	0.0000	0.0310	0.1073	-	-	0.0310	0.1073	-	-	0.0018	0.0024	0.0018	0.0024
desk lamp	15	0.0000	0.0042	0.0132	-	-	0.0042	0.0132	-	-	0.0031	0.0030	0.0031	0.0030
potato	15	0.0000	0.0007	0.0015	-	-	0.0007	0.0015	-	-	0.0042	0.0148	0.0042	0.0148
screwdriver	15	6.6667	0.0798	0.2322	0.8946	-	0.0216	0.0577	0.0851	-	0.0169	0.0271	0.0214	0.0315
lamp	15	66.6667	0.5118	0.3730	0.7598	0.1051	0.0159	0.0322	0.0815	0.1204	0.0206	0.0345	0.0612	0.1027
tray	15	13.3333	0.0784	0.1940	0.5556	0.0121	0.0050	0.0103	0.0082	0.0027	0.0034	0.0077	0.0040	0.0074
roll of paper towel	15	6.6667	0.0503	0.1746	0.6801	-	0.0053	0.0114	0.0042	-	0.0020	0.0034	0.0021	0.0034
microwave	15	6.6667	0.0868	0.2030	0.7724	-	0.0378	0.0750	0.0136	-	0.0089	0.0088	0.0092	0.0086
pan	15	20.0000	0.1395	0.2711	0.6506	0.1424	0.0117	0.0274	0.0105	0.0037	0.0044	0.0089	0.0056	0.0084
oven	14	21.4286	0.1835	0.3001	0.7107	0.1717	0.0397	0.0713	0.0284	0.0260	0.0079	0.0103	0.0123	0.0162
router	14	0.0000	0.0182	0.0314	-	-	0.0182	0.0314	-	-	0.0049	0.0055	0.0049	0.0055
basketball	14	35.7143	0.2195	0.3056	0.6113	0.0708	0.0019	0.0033	0.0076	0.0044	0.0011	0.0008	0.0034	0.0041
folder	14	14.2857	0.1081	0.2579	0.7155	0.0267	0.0069	0.0175	0.0144	0.0028	0.0027	0.0022	0.0044	0.0048
sponge	14	0.0000	0.0020	0.0052	-	-	0.0020	0.0052	-	-	0.0002	0.0004	0.0002	0.0004
baseball bat	13	23.0769	0.1700	0.3224	0.7352	0.0315	0.0005	0.0015	0.0223	0.0154	0.0017	0.0022	0.0064	0.0112
garbage	13	84.6154	0.6587	0.3041	0.7785	0.0917	0.0000	0.0000	0.0234	0.0154	0.0031	0.0015	0.0203	0.0160
orange	13	0.0000	0.0006	0.0011	-	-	0.0006	0.0011	-	-	0.0004	0.0003	0.0004	0.0003
watch	13	0.0000	0.0005	0.0014	-	-	0.0005	0.0014	-	-	0.0001	0.0001	0.0001	0.0001
teddy bear	13	46.1538	0.3591	0.3999	0.7713	0.0693	0.0058	0.0152	0.0215	0.0172	0.0014	0.0008	0.0107	0.0152
dishsponge	13	0.0000	0.0009	0.0023	-	-	0.0009	0.0023	-	-	0.0002	0.0003	0.0002	0.0003
postcard	13	0.0000	0.0004	0.0009	-	-	0.0004	0.0009	-	-	0.0002	0.0006	0.0002	0.0006
baseball	12	16.6667	0.1075	0.2522	0.6427	0.1105	0.0004	0.0013	0.0146	0.0171	0.0029	0.0038	0.0048	0.0077
board	12	0.0000	0.0011	0.0031	-	-	0.0011	0.0031	-	-	0.0014	0.0036	0.0014	0.0036
plunger	11	54.5455	0.3439	0.3297	0.6296	0.0437	0.0011	0.0024	0.0079	0.0035	0.0034	0.0036	0.0058	0.0041
paper	11	0.0000	0.0047	0.0100	-	-	0.0047	0.0100	-	-	0.0020	0.0023	0.0020	0.0023
clock	11	0.0000	0.0002	0.0004	-	-	0.0002	0.0004	-	-	0.0001	0.0002	0.0001	0.0002
pot	11	9.0909	0.0711	0.2269	0.7550	-	0.0027	0.0059	0.0129	-	0.0012	0.0012	0.0023	0.0037
cart	11	45.4545	0.3899	0.4209	0.8238	0.0803	0.0283	0.0635	0.0892	0.0449	0.0582	0.0744	0.0723	0.0619
wallet	10	40.0000	0.3033	0.3841	0.7462	0.0804	0.0081	0.0137	0.0143	0.0056	0.0044	0.0039	0.0084	0.0067
dogbed	10	70.0000	0.5247	0.3764	0.7495	0.1260	0.0000	0.0000	0.0280	0.0191	0.0053	0.0083	0.0212	0.0195
corner	10	30.0000	0.2730	0.4141	0.8704	0.0526	0.0169	0.0369	0.1670	0.1025	0.0423	0.0321	0.0797	0.0816
ball	9	33.3333	0.1942	0.2927	0.5826	0.0575	0.0000	0.0000	0.0076	0.0055	0.0030	0.0035	0.0045	0.0045
stool	9	77.7778	0.5870	0.3468	0.7547	0.1127	0.0000	0.0000	0.0276	0.0193	0.0038	0.0005	0.0223	0.0198
paper towel roll	9	11.1111	0.1021	0.2408	0.7293	-	0.0237	0.0553	0.0109	-	0.0018	0.0031	0.0028	0.0042
bat	9	0.0000	0.0003	0.0009	-	-	0.0003	0.0009	-	-	0.0080	0.0112	0.0080	0.0112
faucet	9	11.1111	0.0985	0.2613	0.7912	-	0.0119	0.0302	0.0384	-	0.0014	0.0014	0.0055	0.0124
ladle	9	0.0000	0.0069	0.0136	-	-	0.0069	0.0136	-	-	0.0010	0.0016	0.0010	0.0016
alarm clock	8	25.0000	0.1911	0.3526	0.7613	0.0577	0.0011	0.0021	0.0105	0.0048	0.0039	0.0072	0.0055	0.0070
roll	8	0.0000	0.0002	0.0007	-	-	0.0002	0.0007	-	-	0.0018	0.0031	0.0018	0.0031
dinner	8	0.0000	0.0003	0.0005	-	-	0.0003	0.0005	-	-	0.0003	0.0003	0.0003	0.0003
handkerchief holder	7	0.0000	0.0017	0.0046	-	-	0.0017	0.0046	-	-	0.0017	0.0024	0.0017	0.0024
machine	7	28.5714	0.1912	0.3284	0.6692	0.0866	0.0000	0.0000	0.0112	0.0057	0.0110	0.0203	0.0110	0.0167
egg	6	0.0000	0.0004	0.0010	-	-	0.0004	0.0010	-	-	0.0002	0.0002	0.0002	0.0002
crate	6	16.6667	0.1141	0.2783	0.6821	-	0.0005	0.0010	0.0240	-	0.0026	0.0022	0.0062	0.0089
tennis racket	6	16.6667	0.1267	0.2710	0.6774	-	0.0166	0.0286	0.0099	-	0.0051	0.0070	0.0059	0.0065
hat	5	0.0000	0.0234	0.0469	-	-	0.0234	0.0469	-	-	0.0045	0.0056	0.0045	0.0056
desk	5	60.0000	0.5604	0.4522	0.8887	0.0149	0.0680	0.0961	0.1588	0.0581	0.0292	0.0273	0.1070	0.0832
coffee machine	5	40.0000	0.2878	0.3558	0.6742	0.0795	0.0303	0.0351	0.0349	0.0278	0.0199	0.0240	0.0259	0.0234
tissue	5	0.0000	0.0000	0.0000	-	-	0.0000	0.0000	-	-	0.0004	0.0007	0.0004	0.0007
pants	4	0.0000	0.0023	0.0046	-	-	0.0023	0.0046	-	-	0.0056	0.0058	0.0056	0.0058
console	4	0.0000	0.0635	0.1270	-	-	0.0635	0.1270	-	-	0.0196	0.0238	0.0196	0.0238
shelving unit	4	50.0000	0.4014	0.4394	0.7776	0.1097	0.0253	0.0358	0.1064	0.0805	0.0124	0.0046	0.0594	0.0715
cloth	4	0.0000	0.1191	0.2382	-	-	0.1191	0.2382	-	-	0.0034	0.0062	0.0034	0.0062
handkerchiefs	4	0.0000	0.0039	0.0077	-	-	0.0039	0.0077	-	-	0.0003	0.0003	0.0003	0.0003
racket	4	0.0000	0.0000	0.0000	-	-	0.0000	0.0000	-	-	0.0048	0.0082	0.0048	0.0082
coat	3	0.0000	0.0653	0.1130	-	-	0.0653	0.1130	-	-	0.0048	0.0068	0.0048	0.0068
cell phone	3	0.0000	0.0000	0.0000	-	-	0.0000	0.0000	-	-	0.0018	0.0015	0.0018	0.0015
laundry hamper	3	100.0000	0.7998	0.0853	0.7998	0.0853	-	-	0.0350	0.0209	-	-	0.0350	0.0209
coffeemachine	3	33.3333	0.2444	0.4209	0.7304	-	0.0014	0.0020	0.0152	-	0.0070	0.0084	0.0097	0.0076
freshwater	3	0.0000	0.0029	0.0049	-	-	0.0029	0.0049	-	-	0.0132	0.0125	0.0132	0.0125
press	3	33.3333	0.2679	0.4114	0.7416	-	0.0310	0.0439	0.0345	-	0.0073	0.0029	0.0164	0.0158
bunk	3	66.6667	0.5992	0.5203	0.8987	0.0535	0.0000	-	0.0986	0.0318	0.0015	-	0.0662	0.0604
coffee cup	2	0.0000	0.0150	0.0212	-	-	0.0150	0.0212	-	-	0.0112	0.0150	0.0112	0.0150
fabric	2	0.0000	0.0000	0.0000	-	-	0.0000	0.0000	-	-	0.0040	0.0057	0.0040	0.0057
journal	2	0.0000	0.0000	0.0000	-	-	0.0000	0.0000	-	-	0.0001	0.0001	0.0001	0.0001
futon	2	100.0000	0.8653	0.1288	0.8653	0.1288	-	-	0.1109	0.0686	-	-	0.1109	0.0686
booklet	2	50.0000	0.3147	0.2972	0.5248	-	0.1046	-	0.0055	-	0.0152	-	0.0103	0.0068
cap	2	0.0000	0.0000	0.0000	-	-	0.0000	0.0000	-	-	0.0040	0.0057	0.0040	0.0057
boiler	2	100.0000	0.7188	0.0363	0.7188	0.0363	-	-	0.0138	0.0023	-	-	0.0138	0.0023
side table	2	100.0000	0.7365	0.2572	0.7365	0.2572	-	-	0.1157	0.0987	-	-	0.1157	0.0987
pillowcase	2	0.0000	0.0006	0.0008	-	-	0.0006	0.0008	-	-	0.0008	0.0004	0.0008	0.0004
slippers	2	0.0000	0.0096	0.0007	-	-	0.0096	0.0007	-	-	0.0064	0.0089	0.0064	0.0089
settee	2	50.0000	0.4121	0.5829	0.8243	-	0.0000	-	0.0468	-	0.0013	-	0.0240	0.0322
soapbar	2	0.0000	0.0000	0.0000	-	-	0.0000	0.0000	-	-	0.0000	0.0000	0.0000	0.0000
fourposter	2	50.0000	0.4113	0.5817	0.8226	-	0.0000	-	0.0933	-	0.0112	-	0.0523	0.0581
sofa_bed	2	100.0000	0.8476	0.0803	0.8476	0.0803	-	-	0.1177	0.1375	-	-	0.1177	0.1375
servery	2	50.0000	0.3762	0.5320	0.7524	-	0.0000	-	0.0536	-	0.0391	-	0.0463	0.0102
safe	2	50.0000	0.3479	0.4895	0.6940	-	0.0017	-	0.0081	-	0.0016	-	0.0049	0.0046
novel	2	0.0000	0.0000	0.0000	-	-	0.0000	0.0000	-	-	0.0014	0.0014	0.0014	0.0014
polaroid	1	100.0000	0.6181	-	0.6181	-	-	-	0.0121	-	-	-	0.0121	-
volume	1	0.0000	0.0007	-	-	-	0.0007	-	-	-	0.0002	-	0.0002	-
ballpoint	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0000	-	0.0000	-
boots	1	0.0000	0.0192	-	-	-	0.0192	-	-	-	0.0019	-	0.0019	-
hoodie	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0016	-	0.0016	-
rose	1	100.0000	0.6884	-	0.6884	-	-	-	0.0161	-	-	-	0.0161	-
boot	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0008	-	0.0008	-
pocketpc	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0016	-	0.0016	-
guidebook	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0002	-	0.0002	-
container	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0007	-	0.0007	-
shoe	1	0.0000	0.0192	-	-	-	0.0192	-	-	-	0.0019	-	0.0019	-
t-shirt	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0022	-	0.0022	-
cola	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0010	-	0.0010	-
shoes	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0019	-	0.0019	-
clothes	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0016	-	0.0016	-
locker	1	100.0000	0.7127	-	0.7127	-	-	-	0.0156	-	-	-	0.0156	-
freezer	1	100.0000	0.9152	-	0.9152	-	-	-	0.4093	-	-	-	0.4093	-
cellular	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0009	-	0.0009	-
textbook	1	0.0000	0.0128	-	-	-	0.0128	-	-	-	0.0005	-	0.0005	-
microwave_oven	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0008	-	0.0008	-
cloakroom	1	0.0000	0.0476	-	-	-	0.0476	-	-	-	0.0084	-	0.0084	-
cloth horse	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0022	-	0.0022	-
teeshirt	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0010	-	0.0010	-
furniture	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0027	-	0.0027	-
furnishing	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0027	-	0.0027	-
table decorations	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0027	-	0.0027	-
bathroom	1	0.0000	0.0000	-	-	-	0.0000	-	-	-	0.0106	-	0.0106	-

La performance è minore rispetto a prima, prevedibilmente, ma non significativamente peggiore se si pensa che ci stiamo riferendo agli oggetti con i termini più disparati. Certo è che questo non ha risolto il problema.

CogVLM §

A questo punto è il caso di testare nuovi modelli di linguaggio per vedere come performano in zero shot su questo dataset. Un modello su cui ho indagato è CogVLM/CogAgent

Alcuni esempi §

Ho testato CogVLM su alcuni esempi su cui Kosmos ha fallito, per se valesse la pena tentare con questo nuovo modello di linguaggio:

Esempio 1 §

In questo esempio era stato chiesto a kosmos2 di individuare il cellulare. Kosmos2 non è stato in grado di individuarlo (addirittura overlapping index 0) Questo fa parte del dataset con lexical references, quindi la performancd di kosmos2 era di meno del 20% di accuratezza.

environment	entity_type	image_bbox	image_normal	bounding_box	kosmos_bounding_box	overlap_index	Match
…
3548	cell	Release1/3548/images/Bedroom/bounding_box/position_2/3548_Bedroom_bounding_box_pos_2_270.jpg	Release1/3548/images/Bedroom/normal/position_2/3548_Bedroom_pos_2_270.jpg	(0.6833333333333333, 0.565, 0.74, 0.6166666666666667)	(0.328125, 0.328125, 0.578125, 0.515625)	0.0	False

CogVLM, invece, è riuscito facilmente a localizzarlo e a fare il grounding:

Esempio 2 §

Ho intenzionalmente dato al modello in input un’immagine impossibile, per vedere cogVLM come reagisce. In questa immagine era chiesto a kosmos2 di trovare la bottiglia di vino (la bottiglia di vino si trova sul tavolo dietro al frigorifero, impossibile da vedere ad occhio nudo).

Ed effettivamente Kosmos2 non era stato in grado di individuarla:

…
2433	bottle of wine	Robocup/2433/images/Kitchen/bounding_box/position_3/2433_Kitchen_bounding_box_pos_3_180.jpg	Robocup/2433/images/Kitchen/normal/position_3/2433_Kitchen_pos_3_180.jpg	(0.43333333333333335, 0.26666666666666666, 0.44166666666666665, 0.3016666666666667)	(0.265625, 0.484375, 0.984375, 0.984375)	0.0	False
CogVLM in effetti non è in grado di trovarla ed azzarda un oggetto sul tavolo in primo piano

Risposta molto più interessante la da CogAgent, che effettivamente, non riuscendo a trovare la bottiglia, fornisce una serie di istruzioni per cercarla.

Questo si adatta perfettamente allo scopo finale di questi esperimenti: cioè modellare le azioni di un robot. Fornisce anche un a grounded operation, che suggerisce di ruotare a destra di 30 gradi. Da notare che CogAGENT non fornisce solamente istruzioni, è assolutamente in grado di fare il grounding delle immagini.

Evaluation con cogVLM §

Anche per cogVLM abbiamo scritto uno script ad hoc per fare la valutazione, ma l’input e l’output di questa evaluation è equivalente a quello di Kosmos2. L’input di questa fase è il file già utilizzato: “output_data.csv” e il risultato è un file di output che chiameremo “output_evaluation_cogVLM.csv”

Risultati evaluation §

Dopodichè sul risultato dell’evaluation abbiamo computato le solite statistiche:

entity_type	Number of Occurrences	Percentage of matches	Average Overlapping Index	Std Average Overlapping Index	Average Overlapping Index (matched)	Std Average Overlapping Index (matched)	Average Overlapping Index (Unmatched)	Std Average Overlapping Index (Unmatched)	Avg BBox Dimensions (Correct)	Std Avg BBox Dimensions (Correct)	Avg BBox Dimensions (Incorrect)	Std Avg BBox Dimensions (Incorrect)	Average BBox Dimensions (All)	Std Average BBox Dimensions (All)
Total	10000	39.9300	0.3690	0.4221	0.8694	0.1195	0.0364	0.1000	0.0461	0.0864	0.0060	0.0317	0.0220	0.0630
Painting	781	64.1485	0.5915	0.4377	0.9145	0.0741	0.0136	0.0566	0.0442	0.0726	0.0142	0.0326	0.0334	0.0630
Cell Phone	606	9.9010	0.0912	0.2328	0.7512	0.1175	0.0187	0.0737	0.0030	0.0024	0.0007	0.0040	0.0009	0.0039
Remote Control	506	10.2767	0.0977	0.2298	0.7211	0.1220	0.0263	0.0864	0.0038	0.0037	0.0004	0.0012	0.0008	0.0019
Book	466	23.6052	0.2049	0.3332	0.7762	0.1286	0.0284	0.0893	0.0080	0.0090	0.0015	0.0072	0.0030	0.0081
Chair	433	45.2656	0.4262	0.4248	0.8740	0.1226	0.0559	0.1168	0.0338	0.0354	0.0137	0.0183	0.0228	0.0292
Pen	372	2.4194	0.0331	0.1234	0.6983	0.1255	0.0166	0.0632	0.0027	0.0014	0.0002	0.0009	0.0003	0.0010
Dining Table	327	82.5688	0.7702	0.3230	0.9107	0.0823	0.1048	0.1696	0.0726	0.0848	0.0169	0.0259	0.0629	0.0806
Key Chain	219	10.5023	0.1047	0.2230	0.6698	0.1135	0.0384	0.1099	0.0021	0.0011	0.0012	0.0118	0.0013	0.0112
Box	218	44.9541	0.3799	0.4148	0.8285	0.1074	0.0136	0.0587	0.0129	0.0275	0.0038	0.0090	0.0079	0.0201
Counter Top	218	52.2936	0.5682	0.3661	0.8942	0.1138	0.2109	0.1473	0.1184	0.1525	0.1011	0.1079	0.1101	0.1331
Bowl	203	25.1232	0.2173	0.3542	0.8110	0.1218	0.0181	0.0629	0.0067	0.0069	0.0008	0.0024	0.0023	0.0048
House Plant	195	70.7692	0.6215	0.3507	0.8283	0.1222	0.1208	0.1699	0.0223	0.0290	0.0038	0.0079	0.0169	0.0261
Television	187	87.1658	0.7925	0.2840	0.8925	0.0968	0.1127	0.1819	0.0645	0.0882	0.0121	0.0182	0.0577	0.0844
Bottle	184	9.7826	0.1104	0.2439	0.7804	0.1160	0.0377	0.1015	0.0048	0.0065	0.0040	0.0337	0.0041	0.0321
Sofa	181	86.7403	0.8379	0.3157	0.9589	0.0380	0.0461	0.1272	0.1006	0.1043	0.0122	0.0118	0.0889	0.1018
Plate	176	10.7955	0.1162	0.2463	0.7539	0.1345	0.0390	0.1021	0.0049	0.0038	0.0014	0.0037	0.0018	0.0039
Statue	167	41.9162	0.3358	0.3538	0.7208	0.1439	0.0580	0.1243	0.0126	0.0202	0.0031	0.0068	0.0071	0.0148
Laptop	164	46.9512	0.4106	0.3852	0.7909	0.1467	0.0740	0.1350	0.0129	0.0170	0.0028	0.0052	0.0075	0.0132
Dresser	157	78.9809	0.7551	0.3630	0.9376	0.0593	0.0693	0.1213	0.0964	0.1013	0.0438	0.1140	0.0854	0.1059
Fridge	146	82.8767	0.7917	0.3530	0.9497	0.0535	0.0273	0.0626	0.1363	0.2024	0.0915	0.1955	0.1287	0.2013
Bed	143	81.1189	0.7451	0.3611	0.9118	0.1069	0.0292	0.0753	0.1101	0.1431	0.0296	0.0607	0.0949	0.1352
Knife	139	5.0360	0.0468	0.1647	0.7285	0.1265	0.0107	0.0413	0.0039	0.0026	0.0008	0.0029	0.0010	0.0030
Fork	138	1.4493	0.0199	0.1069	0.7991	0.0108	0.0085	0.0497	0.0060	0.0024	0.0004	0.0012	0.0005	0.0014
Garbage Can	132	81.0606	0.7448	0.3629	0.9179	0.0552	0.0041	0.0156	0.0199	0.0191	0.0036	0.0065	0.0168	0.0185
Pillow	132	56.8182	0.4998	0.3808	0.8099	0.1210	0.0918	0.1472	0.0091	0.0126	0.0013	0.0020	0.0057	0.0103
Mug	128	19.5312	0.1760	0.3227	0.8042	0.1162	0.0235	0.0794	0.0053	0.0058	0.0015	0.0093	0.0022	0.0089
Spoon	122	5.7377	0.0463	0.1688	0.7016	0.1391	0.0064	0.0351	0.0042	0.0036	0.0005	0.0015	0.0007	0.0018
Wine Bottle	114	40.3509	0.3485	0.3776	0.7775	0.1384	0.0582	0.1256	0.0050	0.0086	0.0076	0.0395	0.0066	0.0309
Bread	109	34.8624	0.3035	0.3790	0.7954	0.1300	0.0402	0.1048	0.0071	0.0080	0.0017	0.0042	0.0036	0.0063
Arm Chair	109	71.5596	0.6809	0.4283	0.9473	0.0642	0.0104	0.0290	0.0663	0.0717	0.0177	0.0289	0.0525	0.0662
Spray Bottle	107	37.3832	0.3540	0.3751	0.7966	0.1436	0.0898	0.1557	0.0072	0.0079	0.0013	0.0039	0.0035	0.0063
Vase	102	38.2353	0.3273	0.3992	0.8159	0.1307	0.0248	0.0772	0.0073	0.0110	0.0017	0.0029	0.0038	0.0076
Cup	94	14.8936	0.1313	0.2858	0.7940	0.1148	0.0153	0.0503	0.0041	0.0038	0.0009	0.0014	0.0014	0.0022
Pencil	89	3.3708	0.0443	0.1505	0.7644	0.1111	0.0192	0.0649	0.0018	0.0011	0.0001	0.0002	0.0001	0.0004
Floor Lamp	89	78.6517	0.7528	0.3460	0.9239	0.0785	0.1223	0.1678	0.0931	0.1386	0.1160	0.1994	0.0980	0.1526
Toaster	87	43.6782	0.3807	0.4027	0.8191	0.1152	0.0407	0.1008	0.0093	0.0133	0.0017	0.0022	0.0050	0.0097
Kettle	84	16.6667	0.1552	0.3044	0.8129	0.0848	0.0237	0.0691	0.0120	0.0118	0.0016	0.0031	0.0034	0.0067
Spatula	82	3.6585	0.0368	0.1500	0.7579	0.1365	0.0094	0.0460	0.0072	0.0057	0.0012	0.0057	0.0015	0.0057
Credit Card	82	6.0976	0.0533	0.1621	0.6410	0.0718	0.0152	0.0595	0.0012	0.0005	0.0049	0.0317	0.0047	0.0307
Butter Knife	76	2.6316	0.0232	0.1078	0.6336	0.0647	0.0067	0.0373	0.0020	0.0001	0.0002	0.0004	0.0003	0.0005
Toilet	75	92.0000	0.8310	0.2360	0.8940	0.0970	0.1060	0.1040	0.0715	0.0869	0.0052	0.0051	0.0662	0.0853
Washing Machine	74	89.1892	0.8306	0.2763	0.9203	0.0819	0.0908	0.1803	0.0634	0.0731	0.0193	0.0354	0.0586	0.0712
Shelving Unit	73	76.7123	0.7211	0.3979	0.9357	0.0701	0.0140	0.0553	0.1070	0.1634	0.0310	0.0608	0.0893	0.1492
TV Stand	69	66.6667	0.6719	0.3783	0.9255	0.0494	0.1647	0.1844	0.0462	0.0498	0.0084	0.0136	0.0336	0.0450
Lettuce	69	39.1304	0.3706	0.3891	0.8272	0.1214	0.0771	0.1273	0.0048	0.0037	0.0004	0.0005	0.0021	0.0032
Sink	69	84.0580	0.7987	0.2857	0.9140	0.0807	0.1902	0.1828	0.0568	0.0611	0.0374	0.0377	0.0537	0.0582
Dish Sponge	68	5.8824	0.0570	0.1934	0.7909	0.1531	0.0112	0.0481	0.0019	0.0007	0.0008	0.0016	0.0008	0.0015
Newspaper	68	11.7647	0.1208	0.2682	0.7954	0.1185	0.0308	0.1003	0.0087	0.0068	0.0008	0.0017	0.0017	0.0037
Potato	66	3.0303	0.0303	0.1158	0.6424	0.1140	0.0112	0.0370	0.0016	0.0015	0.0020	0.0093	0.0020	0.0092
Apple	64	15.6250	0.1554	0.2871	0.7465	0.1305	0.0459	0.1302	0.0030	0.0033	0.0008	0.0029	0.0011	0.0030
Soap Bottle	64	23.4375	0.2198	0.3575	0.8397	0.1066	0.0300	0.0871	0.0061	0.0052	0.0017	0.0029	0.0027	0.0040
Watch	63	1.5873	0.0456	0.1303	0.5674	-	0.0372	0.1128	0.0010	-	0.0002	0.0004	0.0002	0.0004
Side Table	60	61.6667	0.5547	0.4351	0.8888	0.0969	0.0173	0.0521	0.0322	0.0364	0.0198	0.0368	0.0274	0.0367
Tomato	59	32.2034	0.2962	0.3583	0.7749	0.1410	0.0689	0.1306	0.0032	0.0036	0.0002	0.0003	0.0012	0.0025
Garbage Bag	59	89.8305	0.7961	0.2546	0.8754	0.0828	0.0964	0.1631	0.0156	0.0180	0.0106	0.0176	0.0151	0.0178
Pan	54	14.8148	0.1149	0.2507	0.6868	0.1181	0.0154	0.0598	0.0094	0.0110	0.0016	0.0039	0.0027	0.0060
Salt Shaker	53	13.2075	0.1400	0.2938	0.8538	0.0482	0.0314	0.0902	0.0031	0.0013	0.0005	0.0011	0.0008	0.0014
Faucet	52	57.6923	0.5421	0.3210	0.7871	0.1294	0.2079	0.1559	0.0041	0.0033	0.0116	0.0192	0.0073	0.0131
Pepper Shaker	50	16.0000	0.1490	0.2959	0.7712	0.1307	0.0305	0.1087	0.0024	0.0018	0.0005	0.0007	0.0008	0.0012
Teddy Bear	46	86.9565	0.7473	0.3072	0.8578	0.1129	0.0106	0.0260	0.0122	0.0170	0.0009	0.0004	0.0108	0.0163
Toilet Paper	46	30.4348	0.3009	0.3591	0.7981	0.1302	0.0833	0.1402	0.0063	0.0065	0.0004	0.0006	0.0022	0.0045
Stool	44	77.2727	0.6852	0.3732	0.8812	0.0826	0.0189	0.0432	0.0185	0.0251	0.0037	0.0040	0.0151	0.0229
Candle	43	23.2558	0.2166	0.3226	0.7499	0.1299	0.0549	0.1267	0.0037	0.0041	0.0006	0.0015	0.0013	0.0027
Baseball Bat	43	60.4651	0.4955	0.4066	0.8094	0.1266	0.0155	0.0638	0.0130	0.0175	0.0055	0.0107	0.0101	0.0155
Cart	42	78.5714	0.7546	0.3983	0.9595	0.0370	0.0036	0.0108	0.0753	0.0711	0.0105	0.0257	0.0614	0.0693
Microwave	40	52.5000	0.4511	0.4393	0.8570	0.1095	0.0024	0.0090	0.0120	0.0115	0.0057	0.0078	0.0090	0.0103
Desk Lamp	40	55.0000	0.5072	0.4109	0.8519	0.1324	0.0858	0.1547	0.0197	0.0212	0.0033	0.0069	0.0123	0.0182
Plunger	39	76.9231	0.6370	0.3052	0.7852	0.1114	0.1433	0.2023	0.0055	0.0045	0.0015	0.0012	0.0046	0.0043
Basket Ball	37	78.3784	0.6547	0.3585	0.8353	0.0949	0.0000	0.0000	0.0056	0.0061	0.0011	0.0012	0.0046	0.0057
Dog Bed	34	44.1176	0.4362	0.4570	0.9249	0.0746	0.0504	0.1500	0.0313	0.0257	0.0054	0.0081	0.0169	0.0221
Ladle	33	6.0606	0.0792	0.1730	0.6110	0.0784	0.0449	0.1080	0.0028	0.0032	0.0012	0.0038	0.0013	0.0037
Pot	33	36.3636	0.3331	0.4078	0.8351	0.1488	0.0463	0.1280	0.0159	0.0169	0.0078	0.0173	0.0108	0.0173
Paper Towel Roll	32	21.8750	0.1852	0.3565	0.8422	0.1089	0.0013	0.0039	0.0077	0.0072	0.0020	0.0033	0.0032	0.0049
Alarm Clock	29	44.8276	0.3814	0.3895	0.7795	0.1501	0.0579	0.1276	0.0064	0.0068	0.0023	0.0038	0.0041	0.0056
Tissue Box	21	33.3333	0.3139	0.4052	0.8521	0.0663	0.0448	0.1289	0.0078	0.0049	0.0010	0.0011	0.0033	0.0044
Egg	20	15.0000	0.1340	0.2716	0.7144	0.0349	0.0316	0.1148	0.0015	0.0008	0.0002	0.0003	0.0004	0.0006
Cloth	17	23.5294	0.2139	0.3595	0.8380	0.0392	0.0219	0.0469	0.0051	0.0025	0.0010	0.0017	0.0019	0.0026
Safe	16	50.0000	0.4540	0.4605	0.8985	0.0488	0.0094	0.0178	0.0184	0.0216	0.0047	0.0041	0.0116	0.0166
Desk	15	73.3333	0.6542	0.4167	0.8891	0.1243	0.0083	0.0167	0.0637	0.0555	0.0239	0.0415	0.0531	0.0538
Coffee Machine	14	64.2857	0.6091	0.3808	0.8598	0.1366	0.1579	0.1955	0.0084	0.0049	0.0070	0.0115	0.0079	0.0075
Tennis Racket	13	23.0769	0.2256	0.3658	0.8259	0.1356	0.0455	0.1347	0.0226	0.0299	0.0014	0.0015	0.0063	0.0154
Laundry Hamper	7	85.7143	0.8010	0.3543	0.9345	0.0308	0.0000	-	0.0131	0.0100	0.0039	-	0.0118	0.0098
Table Top Decor	6	33.3333	0.2601	0.3049	0.6341	0.1830	0.0732	0.0628	0.0034	0.0011	0.0058	0.0088	0.0050	0.0070
Vacuum Cleaner	5	80.0000	0.7059	0.3987	0.8824	0.0655	0.0000	-	0.0089	0.0039	0.0002	-	0.0071	0.0052
Soap Bar	4	0.0000	0.0365	0.0723	-	-	0.0365	0.0723	-	-	0.0001	0.0000	0.0001	0.0000
Room Decor	4	25.0000	0.2043	0.4086	0.8172	-	0.0000	0.0000	0.0191	-	0.0070	0.0034	0.0100	0.0067
Dumbbell	2	50.0000	0.4734	0.6694	0.9467	-	0.0000	-	0.0295	-	0.0001	-	0.0148	0.0208
Coffee Table	1	100.0000	0.9273	-	0.9273	-	-	-	0.0194	-	-	-	0.0194	-
Ottoman	1	100.0000	0.9822	-	0.9822	-	-	-	0.0872	-	-	-	0.0872	-
I risultati dell’evaluation in zero shot sono molto promettenti: abbiamo una precisione del 39.9% che indica un miglioramento sostanziale rispetto alle performance di kosmos2:

Performance Kosmos2
entity_type	Number of Occurrences	Percentage of Matches
Total	10000	22.2700

Performance cogVLM
entity_type	Number of Occurrences	Percentage of matches
Total	10000	39.9300
Un miglioramento che si avvicina al doppio della percentuale di match su tutte le istanze.

entity_type	Percentage of matches cogVLM	Percentage of matches Kosmos2
Total	39.9300	23.0500	1
Painting	64.1485	39.9488	1
Cell Phone	9.9010	1.6502	1
Remote Control	10.2767	0.5929	1
Book	23.6052	8.7983	1
Chair	45.2656	32.3326	1
Pen	2.4194	0.0000	1
Dining Table	82.5688	63.9144	1
Key Chain	10.5023	0.0000	1
Box	44.9541	12.3853	1
Counter Top	52.2936	41.2844	1
Bowl	25.1232	6.4039	1
House Plant	70.7692	46.6667	1
Television	87.1658	66.8449	1
Bottle	9.7826	5.9783	1
Sofa	86.7403	70.7182	1
Plate	10.7955	3.4091	1
Statue	41.9162	19.1617	1
Laptop	46.9512	19.5122	1
Dresser	78.9809	62.4204	1
Fridge	82.8767	61.6438	1
Bed	81.1189	60.1399	1
Knife	5.0360	1.4388	1
Fork	1.4493	0.7246	1
Garbage Can	81.0606	59.0909	1
Pillow	56.8182	14.3939	1
Mug	19.5312	6.2500	1
Spoon	5.7377	0.0000	1
Wine Bottle	40.3509	7.0175	1
Bread	34.8624	9.1743	1
Arm Chair	71.5596	59.6330	1
Spray Bottle	37.3832	17.7570	1
Vase	38.2353	22.5490	1
Cup	14.8936	3.1915	1
Pencil	3.3708	1.1236	1
Floor Lamp	78.6517	62.9213	1
Toaster	43.6782	13.7931	1
Kettle	16.6667	9.5238	1
Spatula	3.6585	0.0000	1
Credit Card	6.0976	0.0000	1
Butter Knife	2.6316	0.0000	1
Toilet	92.0000	62.6667	1
Washing Machine	89.1892	62.1622	1
Shelving Unit	76.7123	52.0548	1
TV Stand	66.6667	17.3913	1
Lettuce	39.1304	10.1449	1
Sink	84.0580	75.3623	1
Dish Sponge	5.8824	0.0000	1
Newspaper	11.7647	2.9412	1
Potato	3.0303	0.0000	1
Apple	15.6250	1.5625	1
Soap Bottle	23.4375	12.5000	1
Watch	1.5873	0.0000	1
Side Table	61.6667	35.0000	1
Tomato	32.2034	6.7797	1
Garbage Bag	89.8305	67.7966	1
Pan	14.8148	5.5556	1
Salt Shaker	13.2075	1.8868	1
Faucet	57.6923	3.8462	1
Pepper Shaker	16.0000	2.0000	1
Teddy Bear	86.9565	50.0000	1
Toilet Paper	30.4348	6.5217	1
Stool	77.2727	36.3636	1
Candle	23.2558	9.3023	1
Baseball Bat	60.4651	16.2791	1
Cart	78.5714	57.1429	1
Microwave	52.5000	10.0000	1
Desk Lamp	55.0000	17.5000	1
Plunger	76.9231	17.9487	1
Basket Ball	78.3784	35.1351	1
Dog Bed	44.1176	32.3529	1
Ladle	6.0606	0.0000	1
Pot	36.3636	21.2121	1
Paper Towel Roll	21.8750	6.2500	1
Alarm Clock	44.8276	24.1379	1
Tissue Box	33.3333	0.0000	1
Egg	15.0000	0.0000	1
Cloth	23.5294	0.0000	1
Safe	50.0000	25.0000	1
Desk	73.3333	46.6667	1
Coffee Machine	64.2857	42.8571	1
Tennis Racket	23.0769	7.6923	1
Laundry Hamper	85.7143	57.1429	1
Table Top Decor	33.3333	0.0000	1
Vacuum Cleaner	80.0000	60.0000	1
Soap Bar	0.0000	0.0000	X
Room Decor	25.0000	0.0000	1
Dumbbell	50.0000	50.0000	X
Coffee Table	100.0000	100.0000	1
Ottoman	100.0000	100.0000	1

C’è un miglioramento evidente: in tutte le istanze cogVLM performa meglio di kosmos.

Alcuni esempi §

Qui sotto ho riportato alcuni esempi di confronto tra la performance di cogVLM e di kosmos2.

In questo esempio è chiaro che cogVLM riesca a trovare l’entità “carrello” anche in una situazione in cui è parzialmente visibile, mentre kosmos non riusciva ad individuarlo, trovando invece un lavandino.

Anche questi esempi illustrano le capacità superiori di cogVLM nel trovare oggetti più piccoli e parzialmente ostruiti alla vista, in questo caso una cassettiera e una mela.

Un problema ricorrente di kosmos era quello di confondere sedie e tavoli, sembra che questo problema non sia presente, anche alla luce dell’ottima performance che kosmos ha sell’entità sedia:

entity_type	Percentage of matches cogVLM	Percentage of Matches kosmos
Chair	45.2656	25.0564

Un’altra cosa interessante è che cogVLM riesce a distinguere bene tra poltrona e Sofa. Cosa che invece kosmos faceva con difficoltà:

Inoltre qui abbiamo alcuni esempi di oggetti di piccole dimensioni correttamente riconosciuti da kosmos:

Analisi delle performance su bounding box di piccole dimensioni §

Come per kosmos ho analizzato la performance del modello al dipendere dalle dimensioni medie del bounding box.

Anche in questo caso sembra esserci una dipendenza lineare tra la dimensione del bounding box e percentuale di match, almeno per la prima parte del grafico:

Anche se migliora molto più rapidamente di kosmos: cogVLM supera una percentuale di match del 40% già per valori inferiori allo 0.01 Mentre per kosmos, alla stessa dimensione, superavano appena il 20%.

Inoltre ricordiamo che kosmos la curva si appiattiva su valori di match del 60% circa. Mentre per Kosmos questi valori raggiungono quasi il 90% anche per entità con molte istanze ( e quindi molto affidabili )

Paternity Test cogVLM §

Anche con cogVLM abbiamo provato a sfruttare la paternità delle entità per migliorare la performance. A differenza di quanto visto con Kosmos i risultati sono effettivamente migliorati, anche se marginalmente.

entity_type	Number of Occurrences	Percentage of matches	Average Overlapping Index	Std Average Overlapping Index	Average Overlapping Index (matched)	Std Average Overlapping Index (matched)	Average Overlapping Index (Unmatched)	Std Average Overlapping Index (Unmatched)	Avg BBox Dimensions (Correct)	Std Avg BBox Dimensions (Correct)	Avg BBox Dimensions (Incorrect)	Std Avg BBox Dimensions (Incorrect)	Average BBox Dimensions (All)	Std Average BBox Dimensions (All)
Total	10000	40.6400	0.3786	0.4202	0.8677	0.1200	0.0437	0.1077	0.0453	0.0858	0.0061	0.0320	0.0220	0.0630
Painting	781	63.5083	0.5853	0.4380	0.9128	0.0740	0.0153	0.0632	0.0447	0.0729	0.0138	0.0319	0.0334	0.0630
Cell Phone	606	10.3960	0.1002	0.2405	0.7635	0.1156	0.0232	0.0773	0.0031	0.0025	0.0007	0.0040	0.0009	0.0039
Remote Control	506	10.0791	0.1025	0.2288	0.7231	0.1285	0.0329	0.0910	0.0037	0.0037	0.0005	0.0013	0.0008	0.0019
Book	466	24.6781	0.2182	0.3342	0.7725	0.1290	0.0366	0.0945	0.0074	0.0087	0.0016	0.0074	0.0030	0.0081
Chair	433	44.8037	0.4235	0.4236	0.8737	0.1214	0.0580	0.1199	0.0339	0.0356	0.0138	0.0183	0.0228	0.0292
Pen	372	2.9570	0.0399	0.1405	0.7442	0.1253	0.0184	0.0655	0.0028	0.0013	0.0002	0.0009	0.0003	0.0010
Dining Table	327	82.5688	0.7677	0.3242	0.9086	0.0839	0.1003	0.1702	0.0726	0.0848	0.0169	0.0259	0.0629	0.0806
Key Chain	219	10.9589	0.1091	0.2261	0.6697	0.1155	0.0401	0.1105	0.0019	0.0011	0.0012	0.0119	0.0013	0.0112
Box	218	53.2110	0.4594	0.4110	0.8343	0.1028	0.0332	0.0778	0.0124	0.0265	0.0027	0.0039	0.0079	0.0201
Counter Top	218	53.6697	0.5766	0.3644	0.8918	0.1138	0.2115	0.1493	0.1163	0.1511	0.1030	0.1089	0.1101	0.1331
Bowl	203	27.5862	0.2395	0.3554	0.7922	0.1344	0.0289	0.0782	0.0055	0.0059	0.0011	0.0036	0.0023	0.0048
House Plant	195	70.7692	0.6328	0.3374	0.8289	0.1228	0.1581	0.1822	0.0221	0.0291	0.0044	0.0083	0.0169	0.0261
Television	187	86.6310	0.7889	0.2900	0.8937	0.0979	0.1099	0.1813	0.0648	0.0884	0.0121	0.0178	0.0577	0.0844
Bottle	184	12.5000	0.1330	0.2638	0.7676	0.1309	0.0423	0.1051	0.0043	0.0059	0.0040	0.0343	0.0041	0.0321
Sofa	181	86.7403	0.8370	0.3153	0.9579	0.0368	0.0461	0.1272	0.1006	0.1043	0.0122	0.0118	0.0889	0.1018
Plate	176	14.7727	0.1493	0.2752	0.7559	0.1366	0.0442	0.1025	0.0049	0.0038	0.0012	0.0036	0.0018	0.0039
Statue	167	48.5030	0.3958	0.3422	0.7120	0.1457	0.0981	0.1541	0.0114	0.0193	0.0030	0.0065	0.0071	0.0148
Laptop	164	49.3902	0.4403	0.3761	0.7885	0.1486	0.1005	0.1515	0.0127	0.0167	0.0025	0.0046	0.0075	0.0132
Dresser	157	77.7070	0.7430	0.3708	0.9368	0.0594	0.0674	0.1174	0.0963	0.1013	0.0474	0.1142	0.0854	0.1059
Fridge	146	82.8767	0.7932	0.3524	0.9514	0.0421	0.0273	0.0626	0.1363	0.2024	0.0915	0.1955	0.1287	0.2013
Bed	143	79.7203	0.7359	0.3668	0.9135	0.1017	0.0375	0.0831	0.1117	0.1439	0.0292	0.0589	0.0949	0.1352
Knife	139	5.7554	0.0542	0.1759	0.7214	0.1134	0.0135	0.0557	0.0036	0.0026	0.0008	0.0029	0.0010	0.0030
Fork	138	1.4493	0.0216	0.1094	0.8112	0.0279	0.0100	0.0525	0.0060	0.0024	0.0004	0.0012	0.0005	0.0014
Garbage Can	132	81.0606	0.7441	0.3626	0.9170	0.0557	0.0041	0.0156	0.0199	0.0191	0.0036	0.0065	0.0168	0.0185
Pillow	132	57.5758	0.5121	0.3814	0.8192	0.1117	0.0953	0.1494	0.0089	0.0125	0.0014	0.0022	0.0057	0.0103
Mug	128	20.3125	0.1912	0.3296	0.8100	0.1155	0.0335	0.0979	0.0051	0.0058	0.0015	0.0094	0.0022	0.0089
Spoon	122	5.7377	0.0482	0.1727	0.7210	0.1369	0.0073	0.0346	0.0042	0.0036	0.0005	0.0015	0.0007	0.0018
Wine Bottle	114	42.1053	0.3673	0.3826	0.7859	0.1383	0.0629	0.1308	0.0048	0.0085	0.0079	0.0401	0.0066	0.0309
Bread	109	30.2752	0.2904	0.3698	0.8179	0.1245	0.0613	0.1213	0.0080	0.0083	0.0017	0.0041	0.0036	0.0063
Arm Chair	109	71.5596	0.6804	0.4285	0.9467	0.0683	0.0104	0.0290	0.0663	0.0717	0.0177	0.0289	0.0525	0.0662
Spray Bottle	107	36.4486	0.3581	0.3709	0.8036	0.1439	0.1025	0.1552	0.0073	0.0079	0.0014	0.0038	0.0035	0.0063
Vase	102	36.2745	0.3294	0.3955	0.8261	0.1278	0.0467	0.1181	0.0075	0.0112	0.0017	0.0029	0.0038	0.0076
Cup	94	18.0851	0.1563	0.2988	0.7734	0.1191	0.0201	0.0480	0.0038	0.0035	0.0009	0.0014	0.0014	0.0022
Pencil	89	3.3708	0.0465	0.1479	0.7464	0.1116	0.0221	0.0669	0.0018	0.0011	0.0001	0.0002	0.0001	0.0004
Floor Lamp	89	78.6517	0.7511	0.3459	0.9218	0.0823	0.1223	0.1678	0.0931	0.1386	0.1160	0.1994	0.0980	0.1526
Toaster	87	45.9770	0.4084	0.3915	0.8075	0.1201	0.0687	0.1337	0.0089	0.0131	0.0017	0.0022	0.0050	0.0097
Kettle	84	16.6667	0.1662	0.3106	0.8230	0.1096	0.0349	0.0938	0.0122	0.0116	0.0016	0.0031	0.0034	0.0067
Spatula	82	3.6585	0.0483	0.1718	0.8034	0.1775	0.0196	0.0841	0.0072	0.0057	0.0012	0.0057	0.0015	0.0057
Credit Card	82	6.0976	0.0581	0.1702	0.6703	0.0787	0.0183	0.0654	0.0012	0.0005	0.0049	0.0317	0.0047	0.0307
Butter Knife	76	2.6316	0.0243	0.1068	0.6189	0.0854	0.0082	0.0408	0.0020	0.0001	0.0002	0.0004	0.0003	0.0005
Toilet	75	92.0000	0.8294	0.2295	0.8899	0.0980	0.1339	0.1331	0.0715	0.0869	0.0052	0.0051	0.0662	0.0853
Washing Machine	74	87.8378	0.8330	0.2732	0.9289	0.0499	0.1411	0.2194	0.0624	0.0733	0.0309	0.0481	0.0586	0.0712
Shelving Unit	73	76.7123	0.7211	0.3980	0.9358	0.0707	0.0140	0.0553	0.1070	0.1634	0.0310	0.0608	0.0893	0.1492
TV Stand	69	65.2174	0.6624	0.3751	0.9211	0.0502	0.1773	0.1865	0.0429	0.0453	0.0160	0.0396	0.0336	0.0450
Lettuce	69	40.5797	0.3796	0.3871	0.8160	0.1430	0.0816	0.1289	0.0046	0.0038	0.0004	0.0005	0.0021	0.0032
Sink	69	84.0580	0.7973	0.2853	0.9124	0.0815	0.1903	0.1829	0.0568	0.0611	0.0374	0.0377	0.0537	0.0582
Dish Sponge	68	4.4118	0.0557	0.1741	0.7583	0.1250	0.0233	0.0840	0.0019	0.0008	0.0008	0.0015	0.0008	0.0015
Newspaper	68	14.7059	0.1403	0.2836	0.7772	0.1488	0.0305	0.0874	0.0077	0.0064	0.0007	0.0016	0.0017	0.0037
Potato	66	6.0606	0.0545	0.1623	0.6492	0.1431	0.0162	0.0488	0.0010	0.0011	0.0020	0.0095	0.0020	0.0092
Apple	64	17.1875	0.1912	0.2999	0.7541	0.1264	0.0743	0.1580	0.0027	0.0033	0.0008	0.0029	0.0011	0.0030
Soap Bottle	64	28.1250	0.2647	0.3705	0.8283	0.1127	0.0442	0.1028	0.0051	0.0043	0.0018	0.0035	0.0027	0.0040
Watch	63	1.5873	0.0400	0.1200	0.6040	-	0.0309	0.0967	0.0010	-	0.0002	0.0004	0.0002	0.0004
Side Table	60	60.0000	0.5390	0.4378	0.8872	0.0978	0.0166	0.0511	0.0327	0.0367	0.0195	0.0360	0.0274	0.0367
Tomato	59	32.2034	0.3035	0.3649	0.7903	0.1433	0.0722	0.1352	0.0032	0.0036	0.0002	0.0003	0.0012	0.0025
Garbage Bag	59	88.1356	0.7839	0.2741	0.8779	0.0803	0.0854	0.1597	0.0159	0.0180	0.0094	0.0164	0.0151	0.0178
Pan	54	16.6667	0.1493	0.2809	0.7379	0.1415	0.0316	0.0799	0.0103	0.0111	0.0012	0.0028	0.0027	0.0060
Salt Shaker	53	13.2075	0.1559	0.3000	0.8630	0.0554	0.0483	0.1182	0.0031	0.0013	0.0005	0.0011	0.0008	0.0014
Faucet	52	59.6154	0.5551	0.2976	0.7685	0.1391	0.2400	0.1483	0.0038	0.0033	0.0124	0.0193	0.0073	0.0131
Pepper Shaker	50	16.0000	0.1620	0.2981	0.7829	0.1413	0.0437	0.1150	0.0024	0.0018	0.0005	0.0007	0.0008	0.0012
Teddy Bear	46	84.7826	0.7539	0.2947	0.8682	0.0992	0.1173	0.1767	0.0125	0.0171	0.0009	0.0003	0.0108	0.0163
Toilet Paper	46	26.0870	0.2734	0.3593	0.8388	0.1099	0.0738	0.1210	0.0073	0.0065	0.0004	0.0006	0.0022	0.0045
Stool	44	77.2727	0.6814	0.3721	0.8759	0.0921	0.0202	0.0439	0.0185	0.0251	0.0037	0.0040	0.0151	0.0229
Candle	43	25.5814	0.2614	0.3217	0.7347	0.1422	0.0987	0.1639	0.0035	0.0040	0.0006	0.0015	0.0013	0.0027
Baseball Bat	43	60.4651	0.4969	0.4072	0.8117	0.1235	0.0155	0.0638	0.0130	0.0175	0.0055	0.0107	0.0101	0.0155
Cart	42	78.5714	0.7536	0.3996	0.9591	0.0368	0.0000	0.0000	0.0753	0.0711	0.0105	0.0257	0.0614	0.0693
Microwave	40	67.5000	0.5876	0.4008	0.8509	0.1071	0.0409	0.1327	0.0115	0.0116	0.0039	0.0035	0.0090	0.0103
Desk Lamp	40	60.0000	0.5407	0.4093	0.8552	0.1219	0.0691	0.1312	0.0193	0.0207	0.0018	0.0020	0.0123	0.0182
Plunger	39	76.9231	0.6340	0.3056	0.7836	0.1110	0.1351	0.1871	0.0055	0.0045	0.0015	0.0012	0.0046	0.0043
Basket Ball	37	78.3784	0.6569	0.3596	0.8362	0.1107	0.0070	0.0199	0.0056	0.0061	0.0009	0.0009	0.0046	0.0057
Dog Bed	34	41.1765	0.4078	0.4525	0.9204	0.0763	0.0491	0.1501	0.0318	0.0266	0.0064	0.0090	0.0169	0.0221
Ladle	33	3.0303	0.0822	0.1707	0.6664	-	0.0639	0.1368	0.0050	-	0.0012	0.0037	0.0013	0.0037
Pot	33	48.4848	0.4207	0.4039	0.8027	0.1463	0.0611	0.1512	0.0154	0.0176	0.0064	0.0163	0.0108	0.0173
Paper Towel Roll	32	25.0000	0.2118	0.3745	0.8438	0.1121	0.0011	0.0035	0.0074	0.0067	0.0019	0.0033	0.0032	0.0049
Alarm Clock	29	48.2759	0.4041	0.3880	0.7770	0.1297	0.0560	0.1291	0.0060	0.0067	0.0024	0.0039	0.0041	0.0056
Tissue Box	21	42.8571	0.4102	0.4327	0.8819	0.0522	0.0564	0.1405	0.0068	0.0047	0.0006	0.0007	0.0033	0.0044
Egg	20	15.0000	0.1400	0.2657	0.7144	0.0349	0.0386	0.1044	0.0015	0.0008	0.0002	0.0003	0.0004	0.0006
Cloth	17	23.5294	0.2226	0.3649	0.8488	0.0553	0.0300	0.0763	0.0062	0.0013	0.0006	0.0007	0.0019	0.0026
Safe	16	56.2500	0.4929	0.4505	0.8736	0.0882	0.0034	0.0090	0.0166	0.0210	0.0051	0.0042	0.0116	0.0166
Desk	15	73.3333	0.6543	0.4167	0.8892	0.1243	0.0083	0.0166	0.0637	0.0555	0.0239	0.0415	0.0531	0.0538
Coffee Machine	14	57.1429	0.5343	0.4309	0.8755	0.1522	0.0794	0.1255	0.0090	0.0049	0.0065	0.0104	0.0079	0.0075
Tennis Racket	13	23.0769	0.2589	0.3742	0.8609	0.1308	0.0782	0.1607	0.0226	0.0299	0.0014	0.0015	0.0063	0.0154
Laundry Hamper	7	85.7143	0.8010	0.3543	0.9345	0.0309	0.0000	-	0.0131	0.0100	0.0039	-	0.0118	0.0098
Table Top Decor	6	33.3333	0.2706	0.4126	0.8017	0.0663	0.0050	0.0100	0.0034	0.0011	0.0058	0.0088	0.0050	0.0070
Vacuum Cleaner	5	80.0000	0.7059	0.3987	0.8824	0.0655	0.0000	-	0.0089	0.0039	0.0002	-	0.0071	0.0052
Soap Bar	4	0.0000	0.1139	0.1950	-	-	0.1139	0.1950	-	-	0.0001	0.0000	0.0001	0.0000
Room Decor	4	25.0000	0.3223	0.3979	0.8172	-	0.1573	0.2725	0.0191	-	0.0070	0.0034	0.0100	0.0067
Dumbbell	2	50.0000	0.4756	0.6726	0.9511	-	0.0000	-	0.0295	-	0.0001	-	0.0148	0.0208
Coffee Table	1	100.0000	0.9209	-	0.9209	-	-	-	0.0194	-	-	-	0.0194	-
Ottoman	1	100.0000	0.9822	-	0.9822	-	-	-	0.0872	-	-	-	0.0872	-

Riseptto a prima si è registrato un miglioramento di poco meno di un punto percentuale:

entity_type	Number of Occurrences	Percentage of matches with paternity
Total	10000	40.6400
entity_type	Number of Occurrences	Percentage of matches
Total	10000	39.9300
Anche in questo caso possiamo concludere che non è il prompt engineering la chiave per per migliorare sensibilmente le performance di questo modello.

Qui ci sono le entità che hanno migliorato il numero di match con l’approccio con paternità

entity_type	miglioramento in percentuale
Microwave	15.0
Pot	12.121200000000002
Tissue Box	9.523800000000001
Box	8.256900000000002
Statue	6.586799999999997
Safe	6.25
Desk Lamp	5.0
Soap Bottle	4.6875
Plate	3.9772
Alarm Clock	3.4483000000000033
Cup	3.1915000000000013
Paper Towel Roll	3.125
Potato	3.0303
Newspaper	2.9412000000000003
Bottle	2.7173999999999996
Bowl	2.463000000000001
Laptop	2.439
Candle	2.325599999999998
Toaster	2.2988
Faucet	1.923099999999998
Pan	1.8518999999999988
Wine Bottle	1.7543999999999969
Apple	1.5625
Lettuce	1.449300000000001
Counter Top	1.376100000000001
Book	1.0729000000000006
Mug	0.7813000000000017
Pillow	0.7576000000000036
Knife	0.7194000000000003
Total	0.7100000000000009
Pen	0.5375999999999999
Cell Phone	0.495000000000001
Key Chain	0.4565999999999999

Alcune entità però hanno peggiorato il loro rendimento con l’approccio con paternità:

entity_type	Peggioramento in percentuale
Coffee Machine	7.142800000000008
Bread	4.587199999999999
Toilet Paper	4.347799999999999
Ladle	3.0303
Dog Bed	2.941100000000006
Teddy Bear	2.1739000000000033
Vase	1.960799999999999
Garbage Bag	1.694900000000004
Side Table	1.6666999999999987
Dish Sponge	1.4705999999999992
TV Stand	1.449300000000008
Bed	1.3986000000000018
Washing Machine	1.3513999999999982
Dresser	1.2739000000000118
Spray Bottle	0.9346000000000032
Painting	0.6402000000000001
Television	0.5348000000000042
Chair	0.4619
Remote Control	0.19759999999999955

Molte entità, invece sono rimaste uguali

entity_type	Difference
Coffee Table	0.0
Cart	0.0
Plunger	0.0
Basket Ball	0.0
House Plant	0.0
Dining Table	0.0
Egg	0.0
Cloth	0.0
Desk	0.0
Dumbbell	0.0
Stool	0.0
Tennis Racket	0.0
Laundry Hamper	0.0
Table Top Decor	0.0
Vacuum Cleaner	0.0
Soap Bar	0.0
Room Decor	0.0
Baseball Bat	0.0
Arm Chair	0.0
Pencil	0.0
Shelving Unit	0.0
Floor Lamp	0.0
Kettle	0.0
Spatula	0.0
Credit Card	0.0
Butter Knife	0.0
Toilet	0.0
Spoon	0.0
Garbage Can	0.0
Sofa	0.0
Sink	0.0
Watch	0.0
Fork	0.0
Tomato	0.0
Fridge	0.0
Salt Shaker	0.0
Pepper Shaker	0.0
Ottoman	0.0

C’è da notare quindi, che nonostante la percentuale totale dei match non sia significativamente cambiata con il nuovo approccio, alcune entità, invece, hanno avuto un netto miglioramento. È importante anche notare che tutte le entità che sono migliorate sono entità di piccole dimensioni che si potevano trovare posti su oggetti eterogenei, mentre le entità che hanno registrato un peggioramento, contengono alcune di grandi dimensioni, come

entity type	peggioramento in percentuale
TV Stand	1.449300000000008
Bed	1.3986000000000018
Washing Machine	1.3513999999999982
Dresser	1.2739000000000118

Esempi §

Nel github messo a disposizione potete trovare uno script chiamato definitivo_display.py. È un tool da linea di comando scritto in python che permette di visualizzare la differenza tra l’output dei file csv dopo l’evaluation. lanciandolo con l’opzione —mismatch_only si possono vedere le istanze in cui c’è stato un mismatch tra le entità individuate con paternity prompt e quelle individuate senza paternity prompt.

 ./definitivo_display.py --mismatch_only

Si può inoltre selezionare una entità specifica da analizzare

./definitivo_display.py --mismatch_only --entity_type Microwave

analizziamo microwave, che è l’entità che è migliorata maggiormente in percentuale, cioè che ha beneficiato di più del prompt engineering

Microwave §

In questo particolare esempio si può vedere come specificare la posizione del microonde abbia permesso al modello di trovarlo. È chiaramente difficile, anche per un umano, discernere quale tra le due masse grigie era effettivamente il microonde, sapere che l’oggetto si trovava sul tavolo ha permesso a cogVLM di fare una predizione più appropriata che poi si è rivelata giusta.

Coffee Machine §

Procediamo con un esmpio neggativo, in cui il prompt engineering ha “confuso” il modell. È il caso di coffee machine

entity_type	Peggioramento in percentuale
Coffee Machine	7.142800000000008
Il peggioramento però è dovuto ad una sola immagine: quindi poco significativo.
Così è anche per Toilet paper e Ladle.

Bread §

Un peggioramento un po’ più significativo lo ha avuto “Bread”

A mio parere questo peggioramento è dovuto al fatto che il modello avrebbe già correttamente collocato il pane sul tavolo, ed il prompt lo ha semplicemente “confuso”. Un’altra opzione è che il gran numero di oggetti sul tavolo renda più difficile al modello scegliere consistentemente la stessa entità (e che dunque questo cambio sia dovuto al caso).

Conclusioni su Paternity §

È abbastanza evidente che paternity permetta di migliorare le performance in maniera abbastanza consistente, il miglioramento si registra nei piccoli oggetti, ed è poco influente sulla statistica finale principalmente perchè molte entità sono invece senza un’entità padre, specialmente quelle più grandi.

Conclusioni §

Questa analisi mette in luce un’evidente superiorità di cogVLM sul task osservato su tutti i punti di vista: individuazione di bounding box di piccole dimensioni, di grandi dimensioni, parzialmente ostruiti e questo si traduce in una overall performance dominante. Un fine tuning su questo task potrebbe migliorare ulteriormente i risultati ottenuti.

DA FARE §

AGGIUNGERE I CHILDREN COME DA FILE (fatto) aggiungi lexical reference nel grounding per ogni entità. (obiezione) Fai file output.csv + shuffle head 10k e poi te lo salvi (fatto: shuffled_output_data.csv) spiega perchè hai scelto 0.5 (fatto) spiega come hai calcolato le statistiche (fatto) deviazione standard dalla media(fatto) grafici sulle x ci metti le entità e sulle y i numeri (fatto in progress aggiungi piu grafici) verifica a mano delle entità e delle lexical references (fatto) ricomputa statistiche vecchie con nuovi algoritmi(fatto) ricomputa statistiche nuove senza children(forse?)

una volta fatto: scrivi a claudiu vediamo che esce fuori.

Da fare per lunedi §

vedi cos’è cogVLM e Cog Agent fai evaluation sulle lexical references (fatt0) Differenza tra i due Prendi 2-3 esempi buono di kosmos e prova con la preview Prendi 2-3 che non è andato bene vedere se ci sono oggetti non visibili (fatto) quando è un children usa il padre 100 esempi e confronta con quell’altro. Aggrega per entity type sulle lexical references

Da fare per giovedì §

esempio in cui sbaglia con padre e non sbaglia senza (fatto) Scrivi osservazione sul fatto che gli oggetti che possono contenere qualcosa non hanno oggetti all’interno(fatto) Aggiungi osservazione sul prompt dei genitori(fatto) metti i trattini (fatto)3 Scrivi un paragrafo summary introduttivo. “questo progetot utilizza. modelli multimodali per fare grounding delle entitò in un ambiente sono stati sperimentati kosmos/cogAgent. Kosmos non ha funzionato, gli sono stati dati ambienti di procThor e gli è stato chiesto il bounding box. Versione 1 con entity type, versione 2 con parents etc… ” Fai ultima tabella riassuntiva con tutti i risultati. E fai una serie di tabelle che mostrano solo un’entità.

Il mio dataset §

il mio dataset è il dataset_20240206

Per prossima volta §

segnati quali e quante istanze fanno 0% in kosmos e quali e quante in cogVLM aggiungo esempi in cui kosmos sbaglia

Where is the Cell phone on the Table?