jun-2018/sampling_multimodal_doc_pages_v4_augmented_step1
收藏Hugging Face2025-11-11 更新2025-11-15 收录
下载链接：
https://hf-mirror.com/datasets/jun-2018/sampling_multimodal_doc_pages_v4_augmented_step1
下载链接
链接失效反馈官方服务：
资源简介：
这是一个包含了文档ID、分割方式、文档类型、原始PDF路径、标签路径、页面图片路径、页码、页面OCR文本、页面PDF文本等信息的文本和图像数据集。数据集还包含了视觉元素和表格元素的具体信息，如标题、OCR内容、路径、PDF内容等。该数据集分为captions_llama31部分，共有930个示例。
This is a text and image dataset containing information such as document ID, split method, document type, original PDF path, label path, page image path, page number, page OCR text, page PDF text, etc. The dataset also includes detailed information about visual elements and table elements, such as title, OCR content, path, PDF content, etc. The dataset is divided into the captions_llama31 section, with a total of 930 examples.
提供机构：
jun-2018
