К содержимому

Датасет · 5CD-AI

Вьетнамский OCR и VQA по изображениям с текстом

5CD-AI/Viet-OCR-VQA

Более 137 тысяч изображений с текстом на вьетнамском языке, описаниями и парами вопрос-ответ для обучения VQA и OCR-моделей.

Что внутри

В датасет входит более 137 000 изображений, содержащих текст на вьетнамском языке. Для каждой картинки с помощью модели Gemini 1.5 Flash сгенерировано подробное описание и по 5 вопросов и ответов, связанных с текстом на изображении — всего более 822 679 вопросов.

Что можно сделать

  • Обучение и дообучение (SFT) мультимодальных моделей для ответов на вопросы по картинкам (VQA) на вьетнамском языке
  • Тренировка систем распознавания текста в сцене (OCR) и извлечения информации из документов
  • Оценка качества визуально-языковых моделей на неанглоязычных текстовых данных
Задачи
Вопросы по картинкам, Картинка → текст
Языки
Вьетнамский
Размер
100K–1M записей
Скачиваний за месяц
127
Лайков
45
Доступ
по запросу на Hugging Face

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("5CD-AI/Viet-OCR-VQA")