mmconflict-editable-values-1k
收藏资源简介：
MMConflict Editable Values 2K 是一个用于多模态冲突研究的数据集，包含 2,000 张源图像，每张图像展示一个可见的原子值。数据集覆盖 20 个类别，每个类别 100 张图像，图像来源包括照片、扫描件、网页截图、软件截图或文档页面，不包含生成图像或项目渲染样本。每条记录提供源信息、源 URL、许可证、归属、可见值、问题以及候选边界框。数据集支持五种冲突类型（C1-C5）：值随时间变化（C1）、不同来源报告不同值（C2）、不同变体或解释导致的值差异（C3）、OCR 或图表阅读错误造成的冲突（C4）、缺失、无关或不完整的证据（C5）。类别包括餐厅菜单卡、电商产品页面截图、收据项目价格、收据总额、零售价格标签、营养表、产品包装数值、药品包装标签、列车时刻表、财务或技术文档表格、产品规格铭牌、科学图表、软件设置截图、营业时间标志、发票或账单、成分表、车票或登机牌、日程或价格表、表单或结构化文档扫描、幻灯片或讲座材料。数据集主要来自公开数据集并遵循各自许可。图像以 RGB JPEG 格式存储。字段包括 image_id、file_name、category、type、source_dataset、source_id、source_url、source_license、attribution、is_synthetic（始终为 false）、entity、item_name、value_type、visible_value、normalized_value、unit、currency、editable_bbox、question、provenance_notes。数据集为混合许可集合。
MMConflict Editable Values 2K is a dataset for multimodal conflict research, containing 2,000 source images, each showing a visible atomic value. The dataset covers 20 categories with 100 images per category. Image sources include photos, scans, web screenshots, software screenshots, or document pages, excluding generated images or project renderings. Each record provides source information, source URL, license, attribution, visible value, question, and candidate bounding boxes. The dataset supports five conflict types (C1-C5): value changes over time (C1), different sources report different values (C2), value differences due to variants or interpretations (C3), conflicts from OCR or chart reading errors (C4), and missing, irrelevant, or incomplete evidence (C5). Categories include restaurant menu cards, e-commerce product page screenshots, receipt item prices, receipt totals, retail price tags, nutrition tables, product packaging values, pharmaceutical packaging labels, train timetables, financial or technical document tables, product specification nameplates, scientific charts, software settings screenshots, business hours signs, invoices or bills, ingredient lists, tickets or boarding passes, schedules or price lists, form or structured document scans, slides or lecture materials. The dataset is primarily sourced from public datasets under their respective licenses. Images are stored in RGB JPEG format. Fields include image_id, file_name, category, type, source_dataset, source_id, source_url, source_license, attribution, is_synthetic (always false), entity, item_name, value_type, visible_value, normalized_value, unit, currency, editable_bbox, question, provenance_notes. The dataset is a collection of mixed licenses.
MMConflict Editable Values 2K 数据集概述
基本信息
- 数据集名称：MMConflict Editable Values 2K
- 许可协议：混合许可证（Mixed-license），非单一许可
- 任务类型：图像到文本（image-to-text）、视觉问答（visual-question-answering）
- 语言：多语言（multilingual）
- 数据规模：2,000 张源图像（1K < N < 10K）
数据内容
该数据集包含 2,000 张具有可见原子值的源图像，用于多模态冲突研究。数据覆盖 20 个类别，每类 100 张图像。图像来源包括照片、扫描件、网页截图、软件截图或源文档页面，不包含生成图像或项目渲染示例。
每条记录包含以下字段：
- 来源信息（source、source URL、license、attribution）
- 可见值（visible value）
- 问题（question）
- 候选框（candidate box，以
editable_bbox表示，格式为[x, y, width, height]像素）
类别与冲突用途
数据集涵盖 20 个类别，每个类别均标注了合适的冲突基准场景：
| 类别 | 来源 | 典型冲突场景 |
|---|---|---|
| 餐厅菜单卡 | Indian Restaurant Menu Card Dataset | 新旧价格、餐厅与配送价格差异、规格/位置变体、OCR 错误 |
| 电商产品页面截图 | Klarna Product Page Dataset | 价格/库存变化、卖家分歧、型号/规格变体、OCR 错误 |
| 收据商品价格 | CORD v2 | 更正的行项目、折扣争议、数量变体、OCR 错误 |
| 收据总额 | CORD v2 | 修订总额、小计与总额混淆、税费差异、OCR 错误 |
| 零售价格标签/标牌 | Wikimedia Commons | 过时货架价格、促销与常规价格、单位/包装变体、OCR 错误 |
| 营养表 | Open Food Facts nutrition-table-detection | 产品配方调整、地区标签、份量变体、OCR 错误 |
| 产品包装数值 | Open Food Facts front-image-classification | 包装尺寸变化、地区变体、数量变体、OCR 错误 |
| 药品包装标签 | Drug Name Detection Dataset | 剂量变化、包装变体、来源分歧、OCR 错误（医疗案例需溯源和安全弃权） |
| 列车出发信息板 | Wikimedia Commons | 时刻表更新、站台变化、官方与复制时间差异、OCR 错误 |
| 财务/技术文档表格 | DocLayNet-small | 重述数据、来源分歧、报告期/单位变体、OCR 错误 |
| 产品规格/铭牌 | Wikimedia Commons | 型号修订、市场特定评级、单位变体、序列号/目录混淆、OCR 错误 |
| 科学图表/信息图 | Scientific Chart QA 17K 真实子集 | 修订数据、来源分歧、系列/年份混淆、单位变体、图表阅读错误 |
| 软件设置/错误/仪表盘截图 | Wikimedia Commons | 版本变化、配置差异、状态变化、环境变体、OCR 错误 |
| 营业时间牌/通知/海报/传单 | Wikimedia Commons | 营业时间变化、关闭状态、活动日期变更、场地变体、OCR 错误 |
| 发票或账单 | Wikimedia Commons | 更正发票、税费/行项目争议、货币变体、OCR 错误 |
| 成分表 | Open Food Facts ingredient-detection | 配方调整、地区要求、产品变体、成分数量差异、OCR 错误 |
| 车票或登机牌 | Deutsches Technikmuseum rail-ticket collection | 改签、补发票据、路线/舱位变体、日期混淆、OCR 错误 |
| 时刻表或价格表 | Wikimedia Commons | 时刻表修订、票价变化、路线/日期变体、OCR 错误 |
| 表格或结构化文档扫描 | XFUND | 修订表格、来源分歧、报告期差异、字段混淆、OCR 错误 |
| 幻灯片或讲义材料 | Wikimedia Commons | 修订幻灯片、统计数据变化、年份/单位变体、上下文不匹配、OCR 错误 |
冲突分类体系
数据集支持五种多模态冲突成因（MMConflict causes）：
- C1：随时间变化的值
- C2：不同来源报告的不同值
- C3：属于不同变体或解释的值
- C4：由 OCR 或图表阅读错误造成或隐藏的冲突
- C5：缺失、无关或不完整的证据
注释说明
- CORD 商品价格和总额来自结构化源注释
- Wikimedia Commons 行保留文件级许可证、创建者和来源页面
- DocLayNet 和 XFUND 提供文档注释
- 其他类别的可见值和候选框由 OCR 提议，需人工确认每个 OCR 提议后再用于最终基准或图像编辑流程
许可与版权
- 这是一个混合许可集合，每行的
source_license、source_url和attribution字段适用于各行 - 用户必须遵循每张图像的许可证，不得将整个仓库视为 CC0 或商业可重用
- 集合包含 Public Domain、CC0、CC BY、CC BY-SA、CC BY-NC-SA 4.0、CDLA-Permissive-1.0 及其他兼容许可证
- Klarna 和 XFUND 子集允许非商业用途并要求 ShareAlike
- Wikimedia Commons 仅接受 Public Domain、CC0、CC BY 和 CC BY-SA 文件，拒绝未知、NoDerivatives、NonCommercial、自定义和仅 GFDL 的文件
- 科学图表类别仅使用 Scientific Chart QA 17K 的真实图像部分，仅接受 CC0、CC BY 或 CC BY-SA 图表
- Open Food Facts 产品图像像素使用 CC BY-SA 3.0，成分检测注释使用 CC BY-SA 4.0，前端图像分类数据集声明 AGPL-3.0
- 图像以 RGB JPEG 存储，源文件经过重新编码，部分类别经过裁剪或缩放，行级溯源注释标识了这些更改
- 药品图像仅用于文献研究，不构成医疗建议
- Yelp 图像、Rico、ScreenQA、CharXiv、Open Prices 证明照片及其他版权不清晰的来源已被排除
