InfographicVQA: 信息图视觉问答数据集
计算机视觉与模式识别
2021-08-24 v2 计算与语言
摘要
信息图是借助文本、图形与视觉元素的组合来有效传达信息的文档。本文中，我们利用视觉问答技术探索对信息图图像的自动理解。为此，我们提出 InfographicVQA，这是一个包含多样化信息图集合以及自然语言问题与答案标注的新数据集。所收集的问题要求方法对文档版式、文本内容、图形元素和数据可视化进行联合推理。我们精心构建该数据集，重点收录需要基础推理与简单算术能力的问题。最后，我们基于最先进的多模态 VQA 模型评估了两个强基线，并为这一新任务确立了基线性能。该数据集、代码与排行榜将在 http://docvqa.org 上公开。
引用
@article{arxiv.2104.12756,
title = {InfographicVQA},
author = {Minesh Mathew and Viraj Bagal and Rubèn Pérez Tito and Dimosthenis Karatzas and Ernest Valveny and C. V Jawahar},
journal= {arXiv preprint arXiv:2104.12756},
year = {2021}
}