哈尔滨工业大学 发布 XT-VQA 数据集, 应用在 跨语言视觉问答、视觉语言模型 领域

哈尔滨工业大学 本次发布的数据集 XT-VQA, XT-VQA是一个用于评估跨语言文本丰富视觉问答的基准数据集，由五个现有数据集和一个新收集的XPaperQA数据集组成。该数据集涵盖了多种视觉信息类型，包括图表、场景文本和文档，特别关注双语文献。XPaperQA数据集包含4436条高质量的问题-答案对，通过先进的Gemini-Pro模型生成，并经过严格的过滤和质量审查。XT-VQA数据集的创建旨在解决跨语言视觉理解中的挑战，特别是在图像文本与问题语言不一致的情况下，评估大型视觉语言模型的性能。

查看XT-VQA

关于 哈尔滨工业大学 , 哈尔滨工业大学是中国的一所著名高等学府，位于黑龙江省哈尔滨市，以工科为主，涵盖理、工、管、文、经、法等多个学科领域，是中国首批进入国家‘211工程’和‘985工程’重点建设的高校之一。

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。