VLParse

由于缺乏VL结构数据，我们首先构建一个新的数据集VLParse。我们没有从头开始使用劳动密集型标签，而是提出了一种自动对准程序来生产粗糙的结构，然后进行人工细化以生产高质量的结构。

Given the scarcity of VL structural data, we first construct a novel dataset named VLParse. Rather than resorting to labor-intensive labeling from scratch, we propose an automatic alignment pipeline to generate rough structural data, which is then manually refined to produce high-quality structural data.

搜集汇总

背景与挑战

背景概述

VLParse是一个由清华大学、上海科技大学和北京通用人工智能研究院于2022年发布的公开数据集，旨在解决视觉语言结构数据不足的问题。该数据集通过自动对齐程序生成初始结构，并经过人工细化处理，以提供高质量的数据支持。