TextVQA Dataset

TextVQA是由Facebook AI Research团队开发的一个视觉问答数据集，旨在评估模型理解图像中文本并进行推理的能力。该数据集包含来自OpenImages的28,408张图像、45,336个问题和453,360个真实答案，要求模型结合图像中的文本信息来回答问题。作为多模态学习领域的重要基准，TextVQA推动了视觉与语言交叉领域的研究发展，广泛应用于计算机视觉和自然语言处理任务。