К содержимому

Датасет · facebook

Вопросы и ответы по тексту на изображениях (TextVQA)

facebook/textvqa

Бенчмарк от Facebook из 45 тысяч вопросов к картинкам для проверки умения нейросетей читать и понимать текст в кадре.

Что внутри

Внутри собрано 45 336 вопросов на английском языке к 28 408 изображениям, взятым из открытого датасета OpenImages. Задача требует от модели не просто распознать текст на фото, но и осмыслить его для правильного ответа.

Что можно сделать

  • Оценка мультимодальных моделей (VLM) в задачах visual-question-answering с фокусом на OCR
  • Дообучение моделей распознавать и интерпретировать надписи на вывесках, этикетках и документах
Задачи
Вопросы по картинкам
Языки
Английский
Размер
10K–100K записей
Скачиваний за месяц
1,3 тыс.
Лайков
38

Как загрузить

from datasets import load_dataset

ds = load_dataset("facebook/textvqa")