印度理工学院孟买分校 发布 DHRISHTIKON 数据集, 应用在 图像理解、自然语言处理 领域

印度理工学院孟买分校 本次发布的数据集 DHRISHTIKON, DHRISHTIKON是一个多粒度视觉定位框架，旨在增强对复杂、多语言文档的可解释性和可信度。该数据集包含从CircularsVQA测试集中精选的70张文档图像，以及509个问答对，涵盖了多个粒度级别的详细注释。数据集内容丰富，包括块级、行级、词级和点级数据，旨在评估细粒度的空间语义推理。数据集由人工标注，而非通过合成数据生成策略，从而保证了数据的质量和准确性。

查看DHRISHTIKON

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。