ImgMT：基于维基百科的图文翻译评测数据集

新数据集 ImgMT 覆盖 129 种语言的图文翻译评测。

资讯摘要

论文提出 ImgMT，一个从 Wikimedia Commons 本地化 SVG 插图中挖掘的多语言图文翻译数据集与基准，聚焦图表、地图和信息图。数据集含 35,612 对对齐图像、1,855 个图像组，覆盖 129 种语言、20 多种书写系统和 4,886 个语言对。作者提出多级评测协议，同时衡量源侧文本区域检测与 OCR 准确率及目标侧翻译质量，并对多个多模态大模型和专用 TIT 系统进行基准测试。

要点速读

1. ImgMT 含 35,612 对对齐图像、1,855 个图像组，覆盖 129 种语言和 4,886 个语言对。
2. 作者提出多级评测协议，衡量源侧文本区域检测与 OCR 准确率及目标侧翻译质量。
3. 基准测试显示源语言和书写系统会显著影响 TIT 质量；作者指出该数据集不适合单独分离视觉信息的贡献。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。