美团 发布 MTMask6M 数据集, 应用在 图像处理、文档理解 领域

美团 本次发布的数据集 MTMask6M, MTMask6M数据集是由美团、上海交通大学和北京理工大学联合构建的大规模图像-文本掩膜对数据集，包含600万条图像-文本掩膜对。该数据集通过一个创新的图像-文本对齐方法VQAMask构建，旨在为视觉文档理解任务提供空间感知的特征表示学习。数据集的构建过程中，使用了聚类算法对文本区域进行二值化处理，并通过掩膜生成模块来确保图像中的视觉文本与其对应的图像区域在空间上对齐。该数据集的应用领域主要是为了解决视觉文档理解中的空间对齐问题，提升模型在文档理解任务上的性能。

查看MTMask6M

README 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。