MLe2e signifie Multi-Language end-to-end, qui est utilisé pour évaluer le système de lecture de bout en bout du texte de la scène, ainsi que toutes les étapes intermédiaires telles que la détection de texte, la reconnaissance de script et la reconnaissance de texte. L'ensemble de données contient un total de 711 images de scènes couvrant quatre langues différentes (latin, chinois, kannada et coréen).