跳到正文
arXiv · 机器人与计算机视觉· Changjiang Jiang, Jiang Zhou, Xinbin Yuan, Fan Zhang, Tao Feng, Zhuohan Xie·· 12 小时前AI 评分72

MInfoVisQA:一种用于信息丰富型视觉问答的多语言基准

MInfoVisQA: A Multilingual Benchmark for Information-Rich Visual Question Answering

AI 导读

作者发布 MInfoVisQA 基准,包含源自 128 个种子实例的 8,960 种问答配置,覆盖 24 种语言。该基准通过解耦数值结构数据与文本并程序化同步翻译标签,构建了种子匹配的平行视觉与问答对。

来源:arXiv · 机器人与计算机视觉 · arxiv.org