naver-clova-ix/synthdog-ja

SynthDoG生成的数据集包括四个不同语言的版本：英文（synthdog-en）、中文（synthdog-zh）、日文（synthdog-ja）和韩文（synthdog-ko），每个数据集包含50万个样本。这些数据集用于OCR-Free文档理解任务，旨在通过合成数据提高模型在文档理解方面的性能。

原始信息汇总

数据集概述

数据集名称

• SynthDoG datasets

数据集描述

• SynthDoG生成的数据集，用于OCR-Free文档理解。

数据集版本

• 英语 (synthdog-en): 0.5M
• 中文 (synthdog-zh): 0.5M
• 日语 (synthdog-ja): 0.5M
• 韩语 (synthdog-ko): 0.5M

数据集链接

• 英语: synthdog-en
• 中文: synthdog-zh
• 日语: synthdog-ja
• 韩语: synthdog-ko

生成工具

• SynthDoG

引用信息

bibtex @inproceedings{kim2022donut, title = {OCR-Free Document Understanding Transformer}, author = {Kim, Geewook and Hong, Teakgyu and Yim, Moonbin and Nam, JeongYeon and Park, Jinyoung and Yim, Jinyeong and Hwang, Wonseok and Yun, Sangdoo and Han, Dongyoon and Park, Seunghyun}, booktitle = {European Conference on Computer Vision (ECCV)}, year = {2022} }