docling-project/performance-dataset-cornercases

Name: docling-project/performance-dataset-cornercases
Creator: docling-project
Published: 2026-06-14T01:19:53+08:00

Hugging Face2026-05-22 更新2026-06-14 收录

数据链接：

https://hf-mirror.com/datasets/docling-project/performance-dataset-cornercases 数据链接链接失效反馈

官方服务：

资源简介：

--- license: apache-2.0 ---

提供机构：

docling-project

docling-project/DocLayNet-v1.2

文档布局分析

文档智能

--- dataset_info: features: - name: image dtype: image - name: bboxes sequence: sequence: float64 - name: category_id sequence: int64 - name: segmentation sequence:

Hugging Face2025-02-10 更新190

docling-project/SynthCodeNet

多模态学习

代码理解

SynthCodeNet是一个包含超过930万合成图像-文本对的多模态数据集，用于训练SmolDocling模型。这些图像-文本对包含56种不同编程语言的代码片段。图像是使用LaTeX和Pygments合成的，以实现视觉多样性。数据集分为训练集、验证集和测试集，每个数据条目都包含图像和文本信息。

Hugging Face2025-07-16 更新120

docling-project/SynthChartNet

图表理解

OCR

SynthChartNet是一个多模态数据集，专为训练SmolDocling模型用于图表文档理解任务而设计。该数据集包含1,981,157个合成样本，每个样本包括一个图表（例如线图、条形图、饼图、堆叠条形图）及其OTSL格式的地面真实数据。图表使用Matplotlib、Seaborn和Pyecharts等可视化库以120 DPI渲染，以实现布局、风格和颜色方案的视觉多样性。

Hugging Face2025-07-15 更新80

docling-project/MarkushGrapher-2-Datasets

专利化学结构识别

Markush结构解析

--- dataset_info: - config_name: ip5-markush features: - name: id dtype: string - name: page_image_path dtype: string - name: annotation dtype: string - name: cxsmiles_dataset

Hugging Face2026-03-27 更新150

docling-project/SynthFormulaNet

文档理解

数学公式识别

SynthFormulaNet是一个包含640万个合成渲染的数学公式图像及其对应LaTeX表示的多模态数据集，用于训练文档理解的多模态模型，特别是用于公式片段的提取和转录为Latex。

Hugging Face2025-07-31 更新120