UAB 发布 DocVQA 数据集, 应用在 文档理解、视觉问答 领域

UAB 本次发布的数据集 DocVQA, DocVQA是由印度海得拉巴IIIT的CVIT和西班牙UAB的计算机视觉中心创建的一个大规模文档图像视觉问答数据集。该数据集包含超过12,000个文档图像和50,000个问题，旨在通过视觉和文本信息解决文档理解中的高层次问题。数据集中的图像来源于UCSF工业文档图书馆，涵盖多种文档类型和行业。DocVQA的创建过程涉及远程工作者使用网络工具进行标注，确保数据的质量和多样性。该数据集的应用领域包括文档分析、信息提取和自动问答系统，旨在提高机器对文档内容的理解和响应能力。

查看DocVQA

关于 UAB , UAB是西班牙的一所著名大学，全称为Universitat Autònoma de Barcelona，位于巴塞罗那。该大学在多个学科领域都有卓越的研究和教学成果，尤其在计算机科学和工程领域享有盛誉。

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。