TableVerse-5K
收藏资源简介：
TableVerse-5K 是一个专为 StrucTab 框架设计的表解析（Table Parsing）评估基准数据集。表解析任务旨在将表格图像转换为结构化的 HTML 表格。该数据集包含 5,000 个样本，每个样本均由一个表格图像、一个输入模型的指令提示（question）以及一个对应的真实 HTML 表格（ref_answer）组成。数据集内容为双语（中文和英文）表格。数据集的输出格式为标准 HTML（<table>...</table>），评估指标采用 TEDS 和 TEDS-S。数据集文件结构包含一个存储所有图像文件的 `images/` 目录，以及一个包含所有样本标注信息的 `TableVerse_5K.jsonl` 文件。该数据集主要用于评估模型在表格图像识别与结构化提取任务上的性能，仅限研究用途。
TableVerse-5K is a table parsing evaluation benchmark dataset specifically designed for the StrucTab framework. The table parsing task aims to convert table images into structured HTML tables. This dataset contains 5,000 samples, each consisting of a table image, an instruction prompt (question) input to the model, and a corresponding ground-truth HTML table (ref_answer). The dataset features bilingual (Chinese and English) tables. The output format adheres to standard HTML (<table>...</table>). The evaluation metrics adopted are TEDS and TEDS-S. The dataset's file structure includes an `images/` directory storing all image files, and a `TableVerse_5K.jsonl` file containing annotation information for all samples. This dataset is primarily used to evaluate model performance on table image recognition and structured extraction tasks, and is for research use only.
TableVerse-5K 数据集概述
TableVerse-5K 是一个用于表格解析（Table Parsing）任务的评估基准数据集，专为 StrucTab 框架设计。其目标是将表格图像转换为结构化的 HTML 表格。
- 任务类型：图像到文本（Image-to-Text），具体为表格解析（将表格图像转换为 HTML 表格）。
- 语言：双语（中文和英文表格内容）。
- 数据集规模：包含 5,000 个样本（1K < n < 10K）。
- 评估指标：TEDS / TEDS-S。
- 许可协议：仅供研究使用（Research Only）。
数据集结构
数据集的文件结构如下：
data/ ├── TableVerse_5K.jsonl # 所有样本的标注文件 └── images/ # 表格图像文件（*.jpg）
数据格式
TableVerse_5K.jsonl 文件中的每一行都是一个 JSON 对象，包含以下字段：
| 字段 | 类型 | 描述 |
|---|---|---|
image_path |
string | 图像文件的相对路径（从 data/ 目录开始），同时作为唯一样本标识 |
question |
string | 模型推理时与图像一起输入的指令提示（prompt） |
ref_answer |
string | 真实标注的 HTML 表格内容（<table>...</table> 格式） |
使用方式
完整推理和评估脚本请参考 GitHub 仓库，基本流程如下：
- 克隆代码仓库并安装依赖。
- 将本数据集内容放置于
benchmark/data/目录下。 - 运行推理脚本。
- 使用 TEDS 评分服务进行评估。
引用
如果使用此数据集，请引用以下文献（占位符，待更新）： bibtex @article{StrucTab_2026, title = {{StrucTab}: A Structured Optimization Framework for Table Parsing}, author = {Li, Gengluo and Peng, Shangpin and Zhang, Chengquan and Wu, Binghong and Feng, Hao and Wang, Weinong and Lyu, Pengyuan and Shen, Huawen and Wan, Xingyu and Tian, Zhuotao and Hu, Han and Ma, Can and Zhou, Yu}, journal = {arXiv preprint arXiv:2606.29905}, year = {2026} }
许可证
本数据集仅供研究目的使用。
