ai2dcaption

  • Opis :

Ten zbiór danych opiera się głównie na zbiorze danych AI2D (zobacz tutaj ).

Zobacz sekcję 4.1 naszego artykułu, aby zapoznać się z procesem adnotacji zestawu danych AI2D-Caption.

Podział Przykłady
'auditor_llm_training_examples' 30
'gpt4v' 4903
'llava_15' 4902
'planner_llm_training_examples' 30
'test' 75
  • Struktura funkcji : 
FeaturesDict({
    'caption': Text(shape=(), dtype=string),
    'entities': Sequence({
        'bounds': BBoxFeature(shape=(4,), dtype=float32),
        'cat': ClassLabel(shape=(), dtype=int64, num_classes=10),
        'from': Text(shape=(), dtype=string),
        'id': Text(shape=(), dtype=string),
        'label': Text(shape=(), dtype=string),
        'to': Text(shape=(), dtype=string),
        'type': ClassLabel(shape=(), dtype=int64, num_classes=5),
    }),
    'image': Image(shape=(None, None, 3), dtype=uint8, description=The image of the diagram.),
    'image_filename': Text(shape=(), dtype=string),
    'layout': ClassLabel(shape=(), dtype=int64, num_classes=7),
    'relationships': Sequence(Text(shape=(), dtype=string)),
    'topic': ClassLabel(shape=(), dtype=int64, num_classes=4),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
podpis Tekst smyczkowy
podmioty Sekwencja
elementy/granice Funkcja BBox (4,) pływak32
podmioty/kat Etykieta klasy int64
podmioty/od Tekst smyczkowy
podmioty/identyfikator Tekst smyczkowy
podmioty/etykieta Tekst smyczkowy
podmioty/do Tekst smyczkowy
podmioty/typ Etykieta klasy int64
obraz Obraz (Brak, Brak, 3) uint8 Obraz diagramu.
nazwa_pliku obrazu Tekst smyczkowy Nazwa pliku obrazu. np. „1337.png”
układ Etykieta klasy int64
relacje Sekwencja (tekst) (Nic,) smyczkowy
temat Etykieta klasy int64

Wyobrażanie sobie

  • Cytat : 
@inproceedings{Zala2024DiagrammerGPT,
        author = {Abhay Zala and Han Lin and Jaemin Cho and Mohit Bansal},
        title = {DiagrammerGPT: Generating Open-Domain, Open-Platform Diagrams via LLM Planning},
        year = {2024},
        booktitle = {COLM},
}