多模态语料小组年度总结报告

差别

这里会显示出您选择的修订版和当前版本之间的差别。

到此差别页面的链接

--- 多模态语料小组年度总结报告 [2025/03/14 16:40] – 创建 MNBVC项目组
+++ 多模态语料小组年度总结报告 [2025/03/14 16:41] (当前版本) – MNBVC项目组
@@ 行 14: / 行 14: @@
 - 主要来源：MNBVC 每周例会记录
-已发布数据集：
+====== 已发布数据集： ======
 - 糗事百科数据
 - 剧本杀数据
 - DocLayNet 数据
-数据规模：
+====== 数据规模： ======
 - 文本数据：526.14M
 - 图片数据：3.61M
-数据与任务总结
+====== 数据与任务总结 ======
 、文本类项目
@@ 行 40: / 行 43: @@
 - 初步探索视频数据处理流程
-组内人员及贡献
+====== 组内人员及贡献 ======
+===== 文本类项目成员 =====
-文本类项目成员
 | 成员 | 工作内容 |
-|------|----------|
 | hertz | 编写xxarxiv_mnbvc的论文爬虫 |
 | Murphy | 主要是做了几次论文的分享，跟大家一起讨论 MLLMs 的理解 |
@@ 行 52: / 行 56: @@
 | CG | 利用groid分析arxiv文本，按照论文布局排列内容；使用正则规则将公式提取（这一部分可能不会合并到主分支） |
-视觉文档类项目成员
+===== 视觉文档类项目成员 =====
 | 成员 | 工作内容 |
-|------|----------|
 | 小鑫 | 剧本杀的处理，文字识别处理 |
 | 七窝 | arxiv数据处理，实现latex到markdown的数据转换 |
@@ 行 61: / 行 65: @@
 | 苍绮皓 | 主要负责文档类数据规划和产出。完成 mnbvc 多模态格式定义、网页数据图文对提取（模板版） |
-其他支持成员
+===== 其他支持成员 =====
 | 成员 | 工作内容 |
-|------|----------|
 | 大光 | 项目管理和运营 |
 | 学鹏 | pdf质量分类算法探究 |
 | 咔 | arxiv多模态图文对 |
 | 小王 | 一些基础支持，比如整理文档等 |

多模态语料小组年度总结报告.1741941604.txt.gz · 最后更改: 2025/03/14 16:40 由 MNBVC项目组