BusinessSlideVQA

このリポジトリでは、ビジネス資料（スライド）を対象とした Visual Question Answering (VQA) ベンチマーク「BusinessSlideVQA」を提供しています。

各PDFファイルのライセンスの都合上、PDFや画像そのものは配布せず、代わりに利用者の方がダウンロード及び変換するためのスクリプトとQAペアのみを公開しています。

---

内容

• pdf_urls.txt：PDFスライドの公開URL一覧
• vqa.json：スライド画像に対する質問と回答のペア（画像ファイル名と対応）
• scripts/download_and_convert.py：PDFをダウンロードし、PNG画像に変換するスクリプト

---

セットアップ手順

1. Pythonの依存ライブラリをインストール

Python 3.8以降が必要です。

pip install requests tqdm pdf2image

2. Poppler のインストール（PDF→画像変換に必要）

• macOS:

  brew install poppler

• Ubuntu/Debian:

  sudo apt install poppler-utils

---

PDFのダウンロードとPNG変換

次のコマンドを実行してください：

python scripts/download_and_convert.py

• PDFは downloads/pdfs/ に保存されます。
• PNG画像は downloads/pngs/ にページ単位で保存されます（例: 0a0b15306ac2e5b6e1bdcac515aa2e6b3257d17cd736df72f3a77b0a70c43c5c_page_001.png）。

---

QAデータセットについて

変換された画像に対する質問と回答の対応は vqa.json に記述されています。以下はその例です：

{
  "question_id": 0,
  "image type": "テキスト",
  "image": "000ef93d430a2cbf484fa1577419bd709609cb5bede5627365e2e107a079cdc3_page_003.png",
  "question": "令和6年度1月判断では、総括判断はどのようになっていますか。",
  "answer": "10地域で据え置きとなりました。"
}

画像のおおまかな内訳は以下の通りです。 スライドのため厳密な分類をしていません。

画像種別	件数
画像	51
テキスト	36
表	35
棒グラフ	30
折れ線グラフ	18
円グラフ	16
積み上げ棒グラフ	13
その他	21
合計	220

---

ライセンス

QAペア（vqa.json）およびスクリプトはMIT Licenseのもとで公開されています。

---