MBZUAI 发布 NUSAAKSARA 数据集, 应用在 文本图像处理、自然语言处理 领域

MBZUAI 本次发布的数据集 NUSAAKSARA, NUSAAKSARA是一个包含文本和图像模态的多模态多语言基准数据集，旨在保存和振兴印度尼西亚的传统脚本。该数据集涵盖了7种语言中的8种脚本，包括一些在NLP基准中不常见的低资源语言。数据集通过专家的严谨步骤构建，包括对文本进行转录、转写和翻译。该数据集可用于多种任务，如图像分割、光学字符识别、转写、翻译和语言识别等。

查看NUSAAKSARA

Dataset card 内容： 

Files and versions 内容： 

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。