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")