textvqa

TextVQA数据集专注于提升模型在图像中阅读和理解文本的能力，以回答相关问题。它包含从OpenImages数据集中筛选出的28408张图像，并针对这些图像提出了45336个问题。每个问题都配有10个人工标注的答案，并采用VQA准确率作为评估指标。数据集提供图像、问题、答案以及其他元数据，支持视觉问答任务。该数据集使用CC-BY 4.0协议授权。