shreyanshu09/Block_Diagram

该数据集是四个框图数据集的组合，包含不同类型的框图图像及其高质量摘要。数据集中的第一个数据集是BD-EnKo数据集，该数据集在ACL 2024上发表的论文《Unveiling the Power of Integration: Block Diagram Summarization through Local-Global Fusion》中引入。其他三个数据集分别是CBD、FC_A和FC_B。数据集中的框图图像来自不同来源，并附有高质量的摘要。训练集和验证集中包含了多种类型的框图，如流程图、图形LR、图形TD、旅程图、序列图、简单图、状态图、C4图、真实世界图等，并分别统计了每种类型在英语和韩语中的数量。

原始信息汇总

Block Diagram Dataset 概述

数据集基本信息

• 许可证: MIT
• 数据集大小:
  • 下载大小: 2276849227 字节
  • 数据集大小: 5871850277.481 字节
• 语言: 英语 (en), 韩语 (ko)
• 标签: 块图
• 大小类别: 10K<n<100K

数据集特征

• id: 字符串类型
• image: 图像类型
• ground_truth: 字符串类型

数据集分割

• 训练集:
  • 示例数量: 76263
  • 字节数: 5038039728.815
• 验证集:
  • 示例数量: 8662
  • 字节数: 833810548.666

数据集内容

• 数据集包含多种类型的块图图像及其高质量摘要
• 训练集和验证集的详细分类数据如下:

类型	训练集 (English/Korean)	验证集 (English/Korean)
Flowchart	7,875 / 7,678	875 / 854
GraphLR	5,462 / 2,861	607 / 318
GraphTD	3,500 / 2,402	389 / 267
Journey	8,494 / 8,858	942 / 985
Sequence	2,708 / 3,539	301 / 394
Simple Graph	3,825 / 1,194	425 / 133
State Diagram	6,444 / 6,265	717 / 693
C4	3,549 / 0	395 / 0
Real World	76 / 304	15 / 50
CBD	396 / 0	106 / 0
FC_A	357 / 0	0 / 0
FC_B	476 / 0	196 / 0

• 总计:
  • 训练集: 43,162 (English) / 33,101 (Korean)
  • 验证集: 4,968 (English) / 3,694 (Korean)