InfoVQA#

概述#

InfoVQA（信息图视觉问答）是一个用于评估 AI 模型基于信息密集型图像（如图表、图形、示意图、地图和信息图）回答问题能力的基准测试。该基准侧重于理解复杂的视觉信息呈现方式。

任务描述#

  • 任务类型：信息图问答

  • 输入：信息图图像 + 自然语言问题

  • 输出：单个单词或短语形式的答案

  • 领域：数据可视化、信息图形、视觉推理

主要特点#

  • 聚焦于信息密集型视觉内容

  • 涵盖图表、图形、示意图、地图和信息图

  • 需要理解视觉布局和数据表示方式

  • 测试信息提取与推理能力

  • 问题复杂度从直接查找到推理不等

评估说明#

  • 默认使用 验证集（validation split）进行评估

  • 主要指标：ANLS（Average Normalized Levenshtein Similarity，平均归一化编辑距离相似度）

  • 答案格式应为 "ANSWER: [ANSWER]"

  • 包含 OCR 文本提取结果作为元数据供分析使用

  • 使用与 DocVQA 相同的数据源（InfographicVQA 子集）

属性#

属性

值

基准测试名称

infovqa

数据集 ID

lmms-lab/DocVQA

论文

N/A

标签

Knowledge, MultiModal, QA

指标

anls

默认示例数量

0-shot

评估划分

validation

数据统计#

指标

值

总样本数

2,801

提示词长度（平均）

273.38 字符

提示词长度（最小/最大）

222 / 390 字符

图像统计：

指标

值

图像总数

2,801

每样本图像数

最小: 1, 最大: 1, 平均: 1

分辨率范围

600x340 - 6250x9375

格式

jpeg

样例示例#

子集：InfographicVQA

{
  "input": [
    {
      "id": "03ab3147",
      "content": [
        {
          "text": "Answer the question according to the image using a single word or phrase.\nWhich social platform has heavy female audience?\nThe last line of your response should be of the form \"ANSWER: [ANSWER]\" (without quotes) where [ANSWER] is the answer to the question."
        },
        {
          "image": "[BASE64_IMAGE: png, ~249.7KB]"
        }
      ]
    }
  ],
  "target": "[\"pinterest\"]",
  "id": 0,
  "group_id": 0,
  "metadata": {
    "questionId": "98313",
    "answer_type": [
      "single span"
    ],
    "image_url": "https://blogs.constantcontact.com/wp-content/uploads/2019/03/Social-Media-Infographic.png",
    "ocr": "['{\"PAGE\": [{\"BlockType\": \"PAGE\", \"Geometry\": {\"BoundingBox\": {\"Width\": 0.9994840025901794, \"Height\": 0.9997748732566833, \"Left\": 0.0, \"Top\": 0.0}, \"Polygon\": [{\"X\": 0.0, \"Y\": 0.0}, {\"X\": 0.9994840025901794, \"Y\": 0.0}, {\"X\": 0.999484002590179 ... [TRUNCATED] ... 184143, \"Y\": 0.9778721332550049}, {\"X\": 0.5701684951782227, \"Y\": 0.9778721332550049}, {\"X\": 0.5701684951782227, \"Y\": 0.9896419048309326}, {\"X\": 0.47732439637184143, \"Y\": 0.9896419048309326}]}, \"Id\": \"43af6e92-c2ef-483c-b947-8b2d2073d756\"}]}']"
  }
}

注：部分内容因显示需要已被截断。

提示模板#

提示模板：

Answer the question according to the image using a single word or phrase.
{question}
The last line of your response should be of the form "ANSWER: [ANSWER]" (without quotes) where [ANSWER] is the answer to the question.

使用方法#

使用 CLI#

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets infovqa \
    --limit 10  # 正式评估时请删除此行

使用 Python#

from evalscope import run_task
from evalscope.config import TaskConfig

task_cfg = TaskConfig(
    model='YOUR_MODEL',
    api_url='OPENAI_API_COMPAT_URL',
    api_key='EMPTY_TOKEN',
    datasets=['infovqa'],
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)