Датасет · lmms-lab-encoder
Бенчмарк чтения текста на картинках TextVQA
lmms-lab-encoder/textvqa
Форматированная версия бенчмарка TextVQA для оценки мультимодальных моделей в lmms-eval.
Что внутри
Внутри находятся пары из изображений и вопросов-ответов (от 10 до 100 тысяч записей), требующих распознавания текста на картинках. Это специально подготовленная версия классического датасета TextVQA, адаптированная под конвейер тестирования lmms-eval.
Что можно сделать
- Оценка способности мультимодальных моделей (LMM) читать и понимать текст на изображениях
- Сравнение моделей в задачах визуального ответа на вопросы с элементами OCR
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 49,1 тыс.
- Лайков
- 30
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("lmms-lab-encoder/textvqa")