MMDocIR/MMDocIR_Train_Dataset

Name: MMDocIR/MMDocIR_Train_Dataset
Creator: MMDocIR
Published: 2025-06-12 13:45:10
License: 暂无描述

Hugging Face2025-06-12 更新2025-05-31 收录

下载链接：

https://hf-mirror.com/datasets/MMDocIR/MMDocIR_Train_Dataset

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: apache-2.0 ---

提供机构：

MMDocIR

MMDocIR/MMDocIR-Challenge

MMDocIR挑战数据集，用于多模态文档检索任务，包含313个文档的20395页截图和相关的问题信息。

Hugging Face2025-05-26 更新20

MMDocIR/Train_dataset

--- license: apache-2.0 ---

Hugging Face2025-02-09 更新30

MMDocIR/MMDocRAG

MMDocRAG是一个用于文档视觉问答的多模态数据集，包含了4055个专家标注的问答对，这些问题涉及多页文档，并包含文本和图像等多种模态的证据。数据集旨在评估多模态证据的选择和整合能力，提供了多种格式的数据文件，包括训练集和开发集，以及对应的JSON-line文件。每个问答对都包含了问题、候选答案、证据模态类型等信息。

Hugging Face2025-05-28 更新330

MMDocIR/MMDocIR_Evaluation_Dataset

MMDocIR评估数据集包含313篇平均65.1页的长文档，分为十个主要领域：研究报告、行政与工业、教程与研讨会、学术论文、宣传册、财务报告、指南、政府文件、法律和新闻文章。数据集还包含1658个问题、2107个页面标签和2638个布局标签。数据集的模态分布为：文本占60.4%，图像占18.8%，表格占16.7%，其他模态占4.1%。

Hugging Face2025-05-28 更新60

MMDocIR

MMDocIR是由华为诺亚方舟实验室创建的多模态文档检索基准数据集，旨在解决长文档中多模态内容的检索问题。该数据集包含313个文档和1685个问题对，涵盖了10个主要领域，如学术论文、财务报告、政府文件等。每个问题都附有页面级和布局级的注释，帮助精确定位文档中的相关信息。数据集的创建过程包括从现有文档视觉问答（DocVQA）基准中筛选和修订问题，并通过专家注释确保问题与检索任务的相关性。MMDoc

arXiv2025-01-15 更新730