mPLUG/DocStruct4M

Name: mPLUG/DocStruct4M
Creator: mPLUG
Published: 2024-03-26 15:00:55
License: 暂无描述

Hugging Face2024-03-26 更新2024-04-19 收录

下载链接：

https://hf-mirror.com/datasets/mPLUG/DocStruct4M

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: apache-2.0 ---

提供机构：

原始信息汇总

数据集概述

DocStruct4M是一个用于学习文档结构以及文字定位的训练集，包含文档图片、网页截图、表格、图表以及自然图。在结构化解析方面具有3M训练样例，在文字识别和定位方面具有1M训练样例。

魔搭社区2026-05-20 更新250

MP-DocStruct1M是一个用于[DocOwl2]项目中的多页文档解析和查找训练的数据集。

Hugging Face2024-10-17 更新360

DocOwl2的多页文档理解预训练数据集，包括多页文档解析和多页文档查找。

魔搭社区2026-01-04 更新40

一个包含文本和图片的数据集，由multi_grained_text_localization和struct_aware_parse两个数据集合并而成，经过筛选和处理后上传到HuggingFace Hub。数据集分为训练集和验证集，适用于文档结构分析和文本定位等任务。

Hugging Face2025-02-07 更新40

这是一个包含文本和图像路径的数据集，用于视觉句子融合任务。它由训练集和验证集组成，文本数据包含索引、文本内容和类型，以及角色信息。图像不是直接嵌入的，而是通过路径引用，需要从原始数据集下载和解压图像文件来获取。

Hugging Face2025-02-19 更新40