JA‑Multi‑Image‑VQA 是一个包含 39 张图像和 55 对日语问答的多图像 VQA 数据集,采用 Apache 2.0 许可(图像除外)。
其他语言的说明
统计
统计数据截至 2026年11月16日
Hugging Face 下载数(近 30 天)
311
Hugging Face 点赞数
10
收录日
2025年12月23日
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 2025年12月 | 113 |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | 103 |
| 2026年4月 | 364 |
| 2026年5月 | 237 |
| 2026年6月 | 136 |
| 2026年7月 | 116 |
| 2026年8月 | — |
| 2026年9月 | 143 |
| 2026年10月 | 317 |
| 2026年11月 | 311 |
各月最后一次快照时的近 30 天下载数。
同分类的热门资源
- JMMMU-ProJMMMU1kJMMMU‑Pro 是一个基于图像的日语多模态基准,通过使用真实模型生成视觉问题并进行人工验证创建,揭示当前开源 LMM 在其上的表现不佳,并提供了一种成本效益高的未来 VQA 基准开发方法。
- JAMMEvalllm-jp830JAMMEval 是七个日本 VQA 数据集的精炼基准,经过两轮人工注释以消除歧义和非视觉问题,能够为多模态日本任务提供对视觉‑语言模型的可靠评估。
- JA-VG-VQA-500SakanaAI520JA‑VG‑VQA‑500 是日本 Visual Genome VQA 数据集的 500 份样本子集,采用 CC BY 4.0 许可,用于基准测试 EvoVLM‑JP‑v1‑7B。
- JIC-VQAline-corporation134JIC‑VQA 是一个基于食物/花卉/设施/地标图像集合构建的日语视觉语言基准,每个样本提供多项选择题,四个选项与标签紧密关联,所有图片均在 CC‑BY 或公共领域许可下发布。
- JGLUEshunk0313k更新了 JGLUE 数据集卡与加载脚本,适用于由 Yahoo Japan 与早稻田大学创建的日语 NLP 基准,涵盖文本分类(MARC‑ja、JCoLA)、句对分类(JNLI)以及问答(JSQuAD、JCommonsenseQA),发行链接保存在 GitHub 与 Hugging Face 上。
- JMMMUJMMMU3kJMMMU 是一个日语多模态基准,已扩大十倍至 1,320 个具有文化多样性的问题(720 个与文化无关,600 个与文化相关),由母语专家翻译,现在设有公开排行榜。
研究领域相近的资源
business-slide-questionsstockmarkteam2在这个存储库中,我们提供了针对商业资料(幻灯片)的视觉问答(VQA)基准测试“BusinessSlideVQA”。GitHub共同: 标注与数据集构建- JamC-QAsbintuitions2kJamC‑QA 是一个双语基准,涵盖八个日本文化与知识类别的多项选择题,排行榜指标用于比较最先进模型。共同: 标注与数据集构建
- Japanese-Medical-VQA-12mMIL-UT423Japanese Medical VQA 12M 是一个大规模多模态数据集(≈12 M 样本),包含日语医学图像的原始和增强说明文字,均提供源语言和日语版本,以及生成的 VQA 问答对。该数据集以 Parquet/Webdataset 格式发布,并使用 InternVL3.5 对 Open‑PMC‑18M 进行增强,使用 Qwen3‑30B‑A3B 进行翻译,使用 GPT‑OSS 120B 生成 VQA。共同: 标注与数据集构建
ja-vg-vqayahoojapan30日本视觉基因问答数据集GitHub共同: 标注与数据集构建
LookVQAriken-grp8一个以凝视为基础的视觉问答数据集,用于澄清模糊的日语问题(LREC-COLING 2024)GitHub共同: 标注与数据集构建- Galgame-VisualNovel-Reuploadjoujiboi5k为高效加载 Hugging Face datasets,重新结构化并重新上传 Galgame VisualNovel 数据集(OOPPEENN/5669737465666C656E63655F44617461337072657330),保留所有原始 audio/text,并提供带多种 game-subset 选项的 extraction script。共同: 标注与数据集构建