charisfs/donut-chart-derender-10

该数据集包含图像数据及其对应的文本标签（ground_truth），每张图像附有来源、数据分割（训练、验证、测试）和图像名称信息。数据集分为训练集（600个样本）、验证集（600个样本）和测试集（600个样本），总大小约311.74 MB，下载大小约307.39 MB。特征包括图像（image类型）、文本标签（字符串类型）、来源（字符串类型）、分割（字符串类型）和图像名称（字符串类型）。

This dataset contains image data and its corresponding text labels (ground_truth). Each image is associated with source information, data split (training, validation, and test) and image name. The dataset is split into training set (600 samples), validation set (600 samples) and test set (600 samples), with a total size of approximately 311.74 MB and a download size of around 307.39 MB. The features include image (image type), text label (string type), source (string type), split (string type) and image name (string type).

搜集汇总

数据集介绍

构建方式

该数据集名为donut-chart-derender-10，专注于从复杂的可视化图中提取结构化信息，尤其针对环形图（donut chart）的解构与渲染。数据集构建过程中，通过自动化脚本生成了多样化的环形图图像，并配以对应的结构化文本标注（ground_truth），内容涵盖图表的类别、数值和标签等关键要素。数据来源标注为“source”字段，便于溯源。最终划分为训练集、验证集和测试集，每部分包含600个样本，确保了数据分布的均衡性。图像以标准格式存储，字符串字段记录元数据，为后续的图到文本转换任务提供了坚实基础。

特点

该数据集的核心特点在于其专一性和高质量。所有图像均聚焦于环形图这一特定图表类型，避免了多类型图表混杂带来的噪声，适合精细化模型的训练与评估。每个样本均包含原始图像、结构化文本标注、来源标识、分割类型及图像名称五个字段，结构清晰且信息完整。数据集规模适中（总计1800个样本），但每个子集样本量相等，便于进行交叉验证和性能对比。此外，数据格式统一，易于加载和处理，特别适用于OCR、图表理解及文档分析等领域的深度学习模型开发。

使用方法

使用该数据集时，可通过HuggingFace的datasets库直接加载，指定配置名为“default”，并按照数据文件路径（如data/train-*）读取训练、验证和测试分割。图像字段可作为模型输入，ground_truth字段作为目标输出，适用于序列到序列（seq2seq）任务，例如训练一个将环形图图像转换为结构化文本的神经网络。数据加载后，可进行图像预处理（如归一化、尺寸调整）和文本编码，再划分批次进行模型训练。此外，借助source和imgname字段，可轻松追踪数据来源及图像文件，便于结果追溯和误差分析。

背景与挑战

背景概述

饼图与环形图作为数据可视化中的核心图表类型，广泛应用于商业报告、新闻媒体与学术论文中，用以呈现比例关系与组成结构。然而，现有的图表理解数据集多聚焦于条形图、折线图等常规类型，针对环形图的自动解析研究相对匮乏。在此背景下，donut-chart-derender-10数据集应运而生，由相关研究团队于近期构建并发布，旨在推动从环形图图像中自动提取结构化数据的研究。该数据集包含1800张精心标注的环形图图像，分为训练、验证与测试集各600例，每张图像均配有标准的JSON格式文本标注，涵盖扇形区域的角度、百分比与标签信息。其问世填补了环形图语义解析领域的空白，为图表理解、文档智能与自动化数据分析等方向提供了关键的基准资源。

当前挑战

当前领域面临的首要挑战在于环形图与传统饼图在视觉形态上的差异——环形图具有中空区域，扇形边界辨识及角度测量更为复杂，现有图像理解模型往往难以准确分割各扇形区域并关联其对应的文本标签。此外，数据集的构建过程亦存在显著困难：环形图样式多变，包括二维与三维效果、不同配色方案、标签内嵌或外置等，确保标注的一致性与完整性需要耗费大量人工校验。数据集的规模有限（共计1800例），且仅包含单一图表类型，限制了模型在复杂场景下的泛化能力，未来亟需扩充样本多样性并融合多模态信息以提升解析鲁棒性。

常用场景

经典使用场景

在信息可视化与文档智能分析领域，饼图作为数据呈现的经典形式，其自动解析与结构还原一直是研究热点。donut-chart-derender-10数据集专门针对环形饼图（Donut Chart）的逆向渲染任务而构建，核心使用场景在于训练和评估模型从图像中自动提取图表的语义结构，包括扇区比例、标签文本及其层级关系。该数据集提供了图像与对应的结构化地面真值字符串，使得研究能够聚焦于视觉到语义的精准映射，从而推动图表理解技术从分类识别迈向细粒度的结构重建。

衍生相关工作

该数据集的发布直接催生了一系列围绕图表去渲染的经典工作，包括基于编码器-解码器架构的图像到序列生成模型，以及融合视觉与语言预训练图表示学习的创新方法。研究者们通过在此基准上优化多模态注意力机制或引入扇区几何约束，显著提升了复杂环形饼图的理解精度。此外，该数据集还启发了针对其他图表类型（如柱状图、折线图）的类似标注与基准构建工作，形成了图表理解领域的数据生态演化路径。

数据集最近研究

最新研究方向

在信息可视化与自然语言处理的交叉领域，donut-chart-derender-10数据集聚焦于环图（Donut Chart）的自动解析与语义理解，成为多模态学习的前沿基准。该数据集包含1800张图像，均匀划分为训练、验证和测试集，每张图像对应其结构化文本描述，驱动研究者探索从视觉图表到逻辑关系的端到端解码。当前热点围绕视觉语言模型（VLM）的细粒度推理能力展开，尤其关注如何将环图中的比例、标签和层级关系转化为可操作的查询语句。该数据集的发布弥补了工业级图表理解语料的稀缺，为数据自动化报告生成、无障碍信息提取及智能问答系统提供了关键支撑，其设计范式正引导学界从简单的图像分类迈向结构化知识抽取的新维度。