PubLayNet

该数据集包含了33万个科学文献样本，其中布局组件被分类为文本、标题、图表、列表和表格。此外，我们还使用了官方的数据分割方式，对训练、验证和测试数据进行划分。规模上，该数据集包含33万个样本，任务重点在于布局生成。This dataset contains 330,000 scientific literature samples, where layout components are categorized into five classes: text, title, figure, list and table. Additionally, we adopted the official data splitting method to partition the dataset into training, validation and test subsets. In terms of scale, this dataset has 330,000 samples, and its core task focuses on layout generation.

搜集汇总

背景与挑战

背景概述

PubLayNet是一个大规模科学文献布局数据集，包含33万个样本，布局组件分为文本、标题、图表、列表和表格五类。该数据集采用官方数据分割，主要面向布局生成任务。