DT-VQA
收藏arXiv2025-09-30 收录
下载链接：
https://github.com/Yuliang-Liu/MultimodalOCR
下载链接
链接失效反馈官方服务：
资源简介：
该数据集名为DT-VQA，包含了17万个问题-答案对，这些对子是从3万张图片中生成的，主要关注文档、表格和产品描述中密集文本的内容。该数据集旨在探索大型多模态模型（LMMs）在处理密集文本任务上的能力，并包含了多种图像风格，如结构化的表格和未结构化的场景图像。规模上，该数据集由3万张图片生成了17万个问题-答案对。其任务是针对密集文本图像进行视觉问题回答（Vqa）。
