源自地图相关文献的图文对数据集：面向多模态模型研究

《Scientific Data》：A Figure-Text Pair Dataset from Map-related Literature for Multimodal Model Research

　　

摘要

高质量的多模态数据集对于开发视觉-语言模型至关重要，然而，在专业科学领域中公开可用的图文资源仍然有限。为弥补这一缺口，我们提出了一个从地图相关科学文献中构建的大规模图文对数据集（FTPD-ML）。该数据集源自制图学、地理学、遥感学及相关学科的 96,859 篇科学出版物，提供了 75,702 个可在知识共享署名许可（CC BY）下公开再分发的图文对，包含多层次的文本表示，包括原始图注、标准化图注变体以及上下文段落描述，并附带参考文献元数据。为确保符合版权和许可要求，来自不可再分发出版物的记录仅以元数据形式呈现。该数据集支持多种多模态研究任务，包括图文检索、图像描述、科学文档理解以及面向制图学的视觉-语言研究。