---
dataset_info:
  features:
  - name: id
    dtype: int32
  - name: image
    dtype: image
  - name: description
    dtype: string
  - name: conversations
    list:
    - name: role
      dtype: string
    - name: content
      dtype: string
  splits:
  - name: train
    num_bytes: 511781979.048
    num_examples: 1056
  download_size: 509827556
  dataset_size: 511781979.048
configs:
- config_name: default
  data_files:
  - split: train
    path: data/train-*
---
# Dataset Overview
This dataset is was created from **1056** Vietnamese 🇻🇳 images in train split of dataset [VinText](https://openaccess.thecvf.com/content/CVPR2021/papers/Nguyen_Dictionary-Guided_Scene_Text_Recognition_CVPR_2021_paper.pdf) [1]. Each image has been analyzed and annotated using advanced Visual Question Answering (VQA) techniques to produce a comprehensive dataset.

There is a set of over **6,000** detailed descriptions and query-based questions and answers generated by the Gemini 1.5 Flash model, currently Google's leading model on the [WildVision Arena Leaderboard](https://huggingface.co/spaces/WildVision/vision-arena). This results in a richly annotated dataset, ideal for various educational and research applications.

Please give us a like ❤️ if you find it useful !

<div align="center">
<img src="https://i.pinimg.com/736x/f2/21/4f/f2214fece03edb75843e2347ed6975ba.jpg" width="400"/>
</div>

Description
```
Bức ảnh chụp một biển báo giao thông hình chữ nhật được treo trên một cột trụ bằng sắt.
Bảng hiệu được chia làm hai phần: phần trên có nền đỏ, phần dưới có nền màu xám.
Phần trên của bảng hiệu ghi nội dung: 'NGƯỜI ĐIỀU KHIỂN XE Ô TÔ TRÊN ĐƯỜNG MÀ TRONG MÁU HOẶC HƠI THỞ CÓ NỒNG ĐỘ CỒN LÀ VI PHẠM'.
Phần dưới của bảng hiệu có nền màu xám và được chia thành 3 dòng, mỗi dòng ghi một hình phạt: '- PHẠT TIỀN ĐẾN 18.000.000Đ', '- TƯỚC GPLX ĐẾN 6 THÁNG',
'- TẠM GIỮ XE ĐẾN 7 NGÀY'. Dưới phần nội dung chính là chữ 'CSGT DV ##' Phía dưới bảng hiệu là một đám cỏ xanh mướt, phía sau bảng hiệu là một tòa nhà trắng ở xa và những cây cối xanh rì.
```

QnA
```
[
{ "role": "user", "content": "Nội dung chính của biển báo này là gì?" },
{ "role": "assistant", "content": "Nội dung chính của biển báo là cảnh báo về việc điều khiển xe ô tô trên đường mà trong máu hoặc hơi thở có nồng độ cồn là vi phạm." },

{ "role": "user", "content": "Những hình phạt nào được nêu trong biển báo?" },
{ "role": "assistant", "content": "Biển báo nêu rõ các hình phạt gồm: phạt tiền đến 18.000.000Đ, tước GPLX đến 6 tháng, tạm giữ xe đến 7 ngày." },

{ "role": "user", "content": "Ai là đối tượng áp dụng các hình phạt này?" },
{ "role": "assistant", "content": "Các hình phạt này áp dụng cho người điều khiển xe ô tô trên đường mà trong máu hoặc hơi thở có nồng độ cồn." },

{ "role": "user", "content": "Bảng hiệu này được treo ở đâu?" },
{ "role": "assistant", "content": "Bảng hiệu được treo ở một con đường có nhiều cây cối và một tòa nhà trắng ở phía xa." },

{ "role": "user", "content": "Biển báo này nhằm mục đích gì?" },
{ "role": "assistant", "content": "Biển báo này nhằm mục đích tuyên truyền, cảnh báo và nhắc nhở người điều khiển xe ô tô không được lái xe khi đã sử dụng rượu bia, nhằm đảm bảo an toàn giao thông." } ]
```

<div style="display: grid; grid-template-columns: repeat(8, 150px); grid-gap: 10px;">
<img src="https://i.pinimg.com/736x/48/66/58/486658e76ea4be33f9af206dd809dc9d.jpg" style="width: 150px;">
<img src="https://i.pinimg.com/736x/b2/4f/cc/b24fcccddd11510b21bd8f0f0f3ea320.jpg" style="width: 150px;">
<img src="https://i.pinimg.com/736x/5e/32/a3/5e32a32634cd2f80823d9083d3109642.jpg" style="width: 150px;">
<img src="https://i.pinimg.com/736x/f7/21/4c/f7214c1e4ce18b8e1c6f8eba948e4954.jpg" style="width: 150px;">
<img src="https://i.pinimg.com/736x/a7/4e/36/a74e36620c874684920fbdf026455cb4.jpg" style="width: 150px;">
</div>

# Cite

```
@misc{doan2024vintern1befficientmultimodallarge,
      title={Vintern-1B: An Efficient Multimodal Large Language Model for Vietnamese}, 
      author={Khang T. Doan and Bao G. Huynh and Dung T. Hoang and Thuc D. Pham and Nhat H. Pham and Quan T. M. Nguyen and Bang Q. Vo and Suong N. Hoang},
      year={2024},
      eprint={2408.12480},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2408.12480}, 
}
```

# References
[1] Nguyen, N., Nguyen, T., Tran, V., Tran, M.T., Ngo, T.D., Nguyen, T.H. and Hoai, M., 2021. Dictionary-guided scene text recognition. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 7383-7392).