Boggy666/EVisRAG-Test-DocVQA

Name: Boggy666/EVisRAG-Test-DocVQA
Creator: Boggy666
Published: 2025-10-25T01:24:51+08:00

Hugging Face2025-10-21 更新2025-10-25 收录

文档图像

视觉问答

数据链接：

https://hf-mirror.com/datasets/Boggy666/EVisRAG-Test-DocVQA 数据链接链接失效反馈

官方服务：

资源简介：

这是一个关于文档图像的问题回答(VQA)数据集，适用于文档理解相关的任务。

This is a VQA dataset on Document Images for document understanding tasks.

提供机构：

--- dataset_info: - config_name: unseen_subject features: - name: ep_id dtype: string - name: step_id dtype: int64 - name: android_api_level dtype: int64 - name: current_activity

Hugging Face2024-04-24 更新510

OralGPT/MMOral-OPG-Bench

牙科影像

视觉问答

MMOral-Bench是一个专门为全景X光分析设计的评估数据集，包含100张经过精心挑选和检查的图像，以及对应的封闭式和开放式问题，用于评估和改进牙科人工智能技术。

Hugging Face2026-06-15 更新260

Nano1337/CLOVE-scores-negative-VQAnotCLIP

视觉问答

图像文本匹配

该数据集包含100个训练样本，每个样本包含uid、image、caption、CLIPscore、VQAscore、CLIPscore_percentile、VQAscore_percentile和percentile_difference等特征。其中，uid是字符串类型，image是图像类型，caption是字符串类型，CLIPscore、VQAscore、CLIPscore_percentil

Hugging Face2024-06-16 更新200

ranjaykrishna/visual_genome

图像理解

视觉问答

Visual Genome是一个数据集和知识库，旨在将结构化的图像概念与语言连接起来。它包含108,077张图像，5.4百万区域描述，1.7百万视觉问答，3.8百万对象实例，2.8百万属性和2.3百万关系。该数据集主要用于图像到文本、对象检测和视觉问答等任务，所有注释均使用英语。

Hugging Face2023-06-29 更新470

5CD-AI/Vietnamese-lmms-lab-LLaVA-Video-178K-gg-translated

视觉问答

音视频文本转换

该数据集是一个翻译后的数据集，包含178,509个caption条目、960,791个开放式问答条目和196,198个多项选择问答条目。数据集的视频来源自lmms-lab/LLaVA-Video-178K仓库。数据集的任务类别包括视觉问答和视频文本到文本转换，语言为英语和越南语，标签为视频和文本，大小类别为1M到10M之间。

Hugging Face2024-10-22 更新250

Boggy666/EVisRAG-Test-DocVQA

资源简介：

相关数据集