研究者发布多语言图内文本翻译数据集 ImgMT

Šárka Uramová 等研究者在 arXiv 发布 ImgMT，一个从 Wikimedia Commons 本地化 SVG 插图（图表、地图、信息图）中挖掘的多语言图内文本翻译（TIT）数据集与基准，含 35,612 对对齐图像、1,855 个图像集，覆盖 129 种语言、20 多种文字系统和 4,886 个语言对。 数据集提出多级评测协议，同时衡量源文本区域检测、OCR 准确率和译文质量。基准测试显示，在多个多模态大语言模型和一个专用 TIT 系统上，源语言和文字系统显著影响翻译质量。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。