lmms-lab/textvqa

这是一个格式化的TextVQA数据集版本，用于lmms-eval管道中，以实现大型多模态模型的一键评估。数据集包含图像、问题及其答案，以及其他相关信息，如图像ID、问题ID、问题令牌、图像尺寸和来源URL等。

原始信息汇总

数据集概述

数据集信息

特征

• image_id: 字符串类型
• question_id: 32位整数类型
• question: 字符串类型
• question_tokens: 字符串序列
• image: 图像类型
• image_width: 32位整数类型
• image_height: 32位整数类型
• flickr_original_url: 字符串类型
• flickr_300k_url: 字符串类型
• answers: 字符串序列
• image_classes: 字符串序列
• set_name: 字符串类型
• ocr_tokens: 字符串序列

数据集划分

• train:
  • 字节数: 9839776032.652
  • 样本数: 34602
• validation:
  • 字节数: 1438831837.0
  • 样本数: 5000
• test:
  • 字节数: 1712000724.844
  • 样本数: 5734

数据集大小

• 下载大小: 8097805782
• 数据集大小: 12990608594.496

配置

• default
  • train: data/train-*
  • validation: data/validation-*
  • test: data/test-*

搜集汇总

背景与挑战

背景概述

该数据集是TextVQA的格式化版本，用于评估大规模多模态模型，包含45,336行数据，总大小8.1 GB，支持'lmms-eval'流水线的一键评估功能。