--- task_categories: - image-to-text language: - en tags: - image-to-text - image-captioning - visual-question-answering size_categories: - 1M<n<10M --- # Data details - **274K multimodal feedback and

Hugging Face2023-11-13 更新170

ChuGyouk/PubMedVision-EnKo

医学影像

视觉问答

PubMedVision是一个大规模的医学视觉问答数据集。该数据集从PubMed中提取高质量的图像-文本对，并使用GPT-4V进行格式化以提升其质量。PubMedVision显著提高了多模态语言模型在医学领域的多模态能力。数据集包含1,294,062个医学视觉问答实例，分为对齐视觉问答和指令微调视觉问答两部分，每部分各含647,031个数据。

Hugging Face2025-01-20 更新140

abhishekvidhate/DocQVA_small

视觉问答

机器学习

该数据集包含以英语为主的问答数据，每个数据项包括一个问题、一张图像和一个答案列表。数据集的一个分割名为train_small，包含99个示例，数据大小约为57.5MB。

Hugging Face2024-07-12 更新100

sub_spatial

视觉问答

图像处理

这是一个从EmbSpatial-Bench、BLINK、CV-Bench和VSI-Bench-tiny等开源数据集中收集和提取的问答数据集。数据集包含问题ID、问题文本、正确答案、关联图像、视频路径、图像路径、可选答案列表、子任务类型、问题类别和来源等信息。测试集共有690个示例，数据集总大小为136,301,763字节。

Hugging Face2025-04-21 更新140

salma-remyx/vqasynth_sample_spatial_new

视觉问答

图像理解

该数据集包含图像和消息两个主要特征。图像特征的数据类型为图像，消息特征是一个列表，包含内容和角色两个子特征。内容子特征进一步包含索引、文本和类型三个子特征，数据类型分别为整数、字符串和字符串。角色子特征的数据类型为字符串。数据集包含一个名为训练的分割，包含10个示例，总大小为1566310字节。数据集的总下载大小为1391554字节。数据集标签包括vqasynth和remyx。

Hugging Face2024-12-04 更新100

lionking1988/docvqa_special_equip

资源简介：

数据集概述

相关数据集