dinhanhx/TextVQA-vi

这是TextVQA数据集的越南语版本，通过Google翻译从英文版TextVQA转换而来。构建越南语版本的过程包括下载原始英文数据文件，生成唯一文本的txt文件，并将这些文件翻译成越南语生成对应的jsonl文件。加载越南语版本数据时需要使用原始英文版本，并通过英文文本作为键从jsonl文件中检索越南语值。

原始信息汇总

数据集概述

数据集名称

• 名称: TextVQA in Vietnamese

语言

• 支持语言:
  • 越南语 (vi)
  • 英语 (en)

来源数据集

• 来源:
  • TextVQA
  • OpenImages

标签

• 标签:
  • TextVQA
  • TextVQA-vi

许可证

• 许可证: 未知

任务类别

• 任务类别: 视觉问答 (visual-question-answering)

任务ID

• 任务ID: 视觉问答 (visual-question-answering)

数据结构

• 英语版本:

  • 包含 TextVQA_0.5.1_train.json, TextVQA_0.5.1_val.json
  • 生成 txt 文件: train_answer_list.txt, train_question_list.txt, val_answer_list.txt, val_question_list.txt

• 越南语版本:

  • 通过翻译英语 txt 文件生成: train_answer_list.jsonl, train_question_list.jsonl, val_answer_list.jsonl, val_question_list.jsonl
  • 每个文件的条目中，键为原始英语文本，值为越南语翻译文本

使用指南

• 加载指南:
  • 需要原始英语版本
  • 使用英语文本作为键，从 jsonl 文件中检索越南语值

相关代码

• 翻译应用代码:
  • cherry_pick_textvqa.py
  • apply_translate_textvqa.py