stanford-crfm/i2s-webpage

Image2Struct是一个用于评估视觉语言模型从图像中提取结构化信息能力的基准数据集。该子数据集专注于网页。模型被提供一个预期输出的图像，并提示生成尽可能接近该图像的网页源代码。数据集分为四个类别：html、css、javascript和wild。前三个类别是通过自动化工具从GitHub页面收集的，而wild类别则是通过截取流行网站的截图收集的。Image2Struct是一个用于评估视觉语言模型从图像中提取结构化信息能力的基准数据集。该子数据集专注于网页。模型被提供一个预期输出的图像，并提示生成尽可能接近该图像的网页源代码。数据集分为四个类别：html、css、javascript和wild。前三个类别是通过自动化工具从GitHub页面收集的，而wild类别则是通过截取流行网站的截图收集的。

原始信息汇总

数据集概述

数据集配置

• CSS

  • 特征:
    • structure: string
    • text: string
    • image: image
    • download_url: string
    • instance_name: string
    • date: string
    • additional_info: string
    • date_scrapped: string
    • file_filters: string
    • compilation_info: string
    • rendering_filters: string
    • assets: sequence of string
    • category: string
    • uuid: string
    • length: string
    • difficulty: string
  • 分割:
    • validation:
      • num_bytes: 815105541.0
      • num_examples: 300
  • 下载大小: 809865478
  • 数据集大小: 815105541.0

• HTML

  • 特征:
    • structure: string
    • text: string
    • image: image
    • download_url: string
    • instance_name: string
    • date: string
    • additional_info: string
    • date_scrapped: string
    • file_filters: string
    • compilation_info: string
    • rendering_filters: string
    • assets: sequence of string
    • category: string
    • uuid: string
    • length: string
    • difficulty: string
  • 分割:
    • validation:
      • num_bytes: 263470560.0
      • num_examples: 300
  • 下载大小: 257833986
  • 数据集大小: 263470560.0

• JavaScript

  • 特征:
    • structure: string
    • text: string
    • image: image
    • download_url: string
    • instance_name: string
    • date: string
    • additional_info: string
    • date_scrapped: string
    • file_filters: string
    • compilation_info: string
    • rendering_filters: string
    • assets: sequence of string
    • category: string
    • uuid: string
    • length: string
    • difficulty: string
  • 分割:
    • validation:
      • num_bytes: 279510653.0
      • num_examples: 300
  • 下载大小: 273214540
  • 数据集大小: 279510653.0

• Wild

  • 特征:
    • structure: string
    • image: image
    • url: string
    • instance_name: string
    • date_scrapped: string
    • uuid: string
    • category: string
    • additional_info: string
    • assets: sequence of string
    • difficulty: string
  • 分割:
    • validation:
      • num_bytes: 99236502.0
      • num_examples: 50
  • 下载大小: 99137765
  • 数据集大小: 99236502.0

数据文件路径

• CSS:
  • validation: css/validation-*
• HTML:
  • validation: html/validation-*
• JavaScript:
  • validation: javascript/validation-*
• Wild:
  • validation: wild/validation-*