斯坦福大学 发布 Image2Struct 数据集, 应用在 视觉语言模型、结构提取 领域

斯坦福大学 本次发布的数据集 Image2Struct, Image2Struct数据集由斯坦福大学创建，旨在评估视觉语言模型（VLMs）从图像中提取结构的能力。该数据集包含2400条数据，涵盖网页、LaTeX和音乐乐谱三个领域。数据集通过从活跃的在线社区下载最新数据生成，确保了数据的实时性和多样性。创建过程中，数据经过筛选和处理，确保质量。Image2Struct主要用于测试VLMs在生成代码（如HTML、LaTeX）方面的准确性，旨在解决从图像中提取复杂结构的问题。

查看Image2Struct

关于 斯坦福大学 , 斯坦福大学是一所位于美国加州的世界顶尖私立研究型大学，以其在科技、工程、商业和法律等领域的卓越教学和研究而闻名。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。