ahmed-masry/ChartGemma

ChartGemma数据集包含图像、输入查询和输出标签三个特征。数据集分为一个训练集，包含163,240个样本，总大小为7,530,697,908字节。数据集的下载大小为6,646,462,303字节。这是一个完整数据集的子集，目前正在检索和编译原始URL以便发布剩余的图表图像。

The ChartGemma dataset consists of three features: image (binary format), input (string format query), and output (string format label). The dataset is divided into a training set containing 163,240 samples with a total size of 7,530,697,908 bytes. The download size of the dataset is 6,646,462,303 bytes. This is a subset of the full dataset, and the original URLs for the remaining chart images are currently being retrieved and compiled for release.

原始信息汇总

ChartGemma 数据集概述

数据集结构

• 数据集类型: DatasetDict
• 分割:
  • train:
    • 特征:
      • image: 二进制数据
      • input: 字符串
      • output: 字符串
    • 样本数量: 163240

数据文件

• 配置:
  • default:
    • 数据文件路径: data/train-*

数据集大小

• 下载大小: 6646462303 字节
• 数据集大小: 7530697908 字节

重要说明

• 该数据集是完整数据集的一个子集，目前正在收集和编译原始图表图像的URL，以便发布剩余的图表图像。

引用

• 如果使用该数据集进行研究，请引用以下论文:

  @misc{masry2024chartgemmavisualinstructiontuningchart, title={ChartGemma: Visual Instruction-tuning for Chart Reasoning in the Wild}, author={Ahmed Masry and Megh Thakkar and Aayush Bajaj and Aaryaman Kartha and Enamul Hoque and Shafiq Joty}, year={2024}, eprint={2407.04172}, archivePrefix={arXiv}, primaryClass={cs.AI}, url={https://arxiv.org/abs/2407.04172}, }