vcr-org/VCR-wiki-zh-easy

VCR-Wiki数据集用于视觉字幕恢复（VCR）任务，旨在评估视觉语言模型在图像中恢复部分遮挡文本的能力。数据集包含图像、字幕、堆叠图像等特征，并分为训练、验证和测试集。数据集通过合成图像生成管道创建，具有可调整的字幕可见性以控制任务难度。数据集还提供了详细的统计信息、构建过程、数据字段描述以及使用免责声明。

原始信息汇总

数据集概述

数据集特征

• image：图像数据类型
• caption：字符串数据类型
• stacked_image：图像数据类型
• only_it_image：图像数据类型
• only_it_image_small：图像数据类型
• crossed_text：字符串序列数据类型

数据集分割

• test：
  • 示例数量：5000
  • 数据大小：1035874052.9425393字节
• validation：
  • 示例数量：5000
  • 数据大小：1037669659.844655字节
• train：
  • 示例数量：336448
  • 数据大小：69824376343.0829字节

数据集大小

• 下载大小：71661270873字节
• 数据集总大小：71897920055.8701字节

数据文件配置

• default 配置：
  • test：路径为 data/test-*
  • validation：路径为 data/validation-*
  • train：路径为 data/train-*