Paper2Fig100k

来自研究论文的超过100k个图形图像和文本标题的数据集。图形图像显示我n arXiv.org的研究论文的图表、方法和架构。我们还为每个图形提供文本标题，以及对图形的OCR检测和识别 (边界框和文本)。数据集结构由一个名为 “数字” 的目录和两个JSON文件 (训练和测试) 组成，其中包含每个图形的数据。每个JSON对象包含有关图形的以下信息: figure_id: 基于arXiv标识符的图形标识: <yymm>。<xxxxxx>-图形 <I>-<k>.png.ca选项: 从与图形相关的论文中提取的文本对。例如，该图的实际标题或对手稿中该图的引用。ocr_result: 在图像上执行OCR文本识别的结果。我们提供图像中存在的三胞胎 (边界框，置信度，文本) 的列表。方面: 图像的纵横比 (H/W)。

搜集汇总

背景与挑战

背景概述

Paper2Fig100k数据集包含超过10万个来自arXiv研究论文的图形图像及其文本标题，涵盖图表、方法和架构等内容，并提供OCR检测结果。该数据集由计算机视觉中心等机构于2022年11月发布，结构包括图像目录和JSON文件，用于训练和测试任务。