NTT人类信息学实验室 发布 SlideVQA 数据集, 应用在 视觉问答、机器阅读理解 领域

NTT人类信息学实验室 本次发布的数据集 SlideVQA, SlideVQA是一个针对多图像文档视觉问答（VQA）的新数据集，由NTT人类信息学实验室创建。该数据集包含超过2.6万个幻灯片组，总计超过5.2万张幻灯片图像和1.45万个问题，旨在测试和提升模型在多图像环境下的复杂推理能力，包括单跳、多跳和数值推理。SlideVQA的创建过程涉及从slideshare下载幻灯片，并通过严格的筛选和标注过程确保数据质量。该数据集的应用领域主要集中在提升机器阅读理解能力，特别是在处理包含文本、视觉和布局信息的复杂文档时。

查看SlideVQA

README 内容： 

关于 NTT人类信息学实验室 , NTT人类信息学实验室是日本NTT公司旗下的研究机构，专注于人类信息学领域的研究，包括人机交互、认知科学和信息处理等方向。

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。