OCRBenchは、華中科技大学とMicrosoft Researchが共同で公開したテキスト認識ベンチマークデータセットです。このデータセットは、マルチモーダル大規模光学式文字認識（OCR）の評価ベンチマークです。関連する論文結果は以下の通りです。OCRBench: 大規模マルチモーダルモデルにおけるOCRの隠された謎について」は、さまざまなテキスト関連タスクにおける大規模マルチモーダルモデル (LMM) の OCR 機能を評価することを目的としています。

このデータセットには、テキスト認識、シーンテキストの中央揃え、ドキュメントの方向付け、キー情報抽出 (KIE)、手書きの数式 (HMER) という 5 つの代表的なテキスト関連タスクから手動で選別され修正された 1,000 個の質問と回答のペアが含まれています。

データには以下が含まれます:

• テキスト認識 300 枚の画像 (通常、不規則、芸術的、その他のテキスト タイプを含む)。

• シーンテキスト中心のビジュアル質問で200の質問に答えます。

• ドキュメントガイドによる視覚的な質問で 200 の質問に答えます。

• 重要な情報を抽出するための 200 の質問。

• 手書きの数式認識 HME100k データセットからの 100 枚の画像。