PatFig：为专利附图生成短描述与长描述
计算机视觉与模式识别
2023-09-18 v1 计算与语言
摘要
本文介绍 Qatent PatFig，一个新颖的大规模专利附图数据集，包含来自 11,000 余件欧洲专利申请的 30,000 多张专利附图。对于每张附图，该数据集提供短描述与长描述、参考数字及其对应术语，以及描述图像各组件之间交互的最小权利要求集。为评估数据集的可用性，我们在 Qatent PatFig 上微调一个 LVLM 模型以生成短描述与长描述，并探究在专利附图描述生成预测阶段引入各类基于文本的提示所带来的影响。
引用
@article{arxiv.2309.08379,
title = {PatFig: Generating Short and Long Captions for Patent Figures},
author = {Dana Aubakirova and Kim Gerdes and Lufei Liu},
journal= {arXiv preprint arXiv:2309.08379},
year = {2023}
}
备注
accepted to the ICCV 2023, CLVL: 5th Workshop on Closing the Loop Between Vision and Language