DocVQA

https://scrapbox.io/files/664335d956e168001dc80535.png

文書ビジュアル質問応答

文書画像に対する視覚的質問応答（VQA）のための新しいデータセット。

このデータセットは12,000以上の文書画像に対して定義された50,000の質問から構成される。

https://scrapbox.io/files/664336082ec1fb001d1b5fe2.png