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")