NayanaOCR Corpus 2025
Открытый датасет «NayanaOCR Corpus 2025» от Cognitive-Lab. Лицензия CC BY-NC 4.0. Файлы остаются у источника.
🪷 NayanaOCR Corpus 2025 A 1M-page, 22-language fully-parallel synthetic OCR + VQA corpus for document-centric vision-language models — every page rendered in every language. NayanaOCR Corpus 2025 is one of the largest open-source multilingual, multi-task document datasets for training and evaluating OCR, layout detection, and visual question answering (VQA) in low-resource and underrepresented languages. The headline property: it's a true parallel corpus. The same ~45,700… Карточка открытого датасета. Файлы на площадку не копируются. Только некоммерческое использование. Продажа на площадке запрещена. Автор: Cognitive-Lab. Лицензия: CC BY-NC 4.0.
Состав
- Тип
- Изображения
- Форматы
- PARQUET
- Строки
- —
- Часы
- —
- Объём
- —
- ПДн в карточке
- ПДн нет
- Язык
- ru
- География
- русский
Образец
Текстового образца нет. Для открытого набора файл лежит у источника.
Автор: Cognitive-Lab. Источник: https://huggingface.co/datasets/Cognitive-Lab/NayanaOCR_Corpus_2025. Лицензия: CC BY-NC 4.0 (https://huggingface.co/datasets/Cognitive-Lab/NayanaOCR_Corpus_2025).
Площадка является информационным посредником (ст. 1253.1 ГК РФ). Ответственность за законность данных несёт продавец. Сообщить о нарушении