К содержимому

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")