Update README.md

README.md

@@ -1,3 +1,150 @@
----
-license: mit
----
+---
+dataset_info:
+  viewer: false
+---
+
+# 📌 ViTextVQA — Vietnamese Text-based Visual Question Answering Dataset
+
+---
+
+## 🇻🇳 Giới thiệu (Tiếng Việt)
+
+**ViTextVQA** là một dataset **Visual Question Answering (VQA)** dành cho tiếng Việt, tập trung vào khả năng đọc hiểu **chữ xuất hiện trong ảnh** (scene text), dựa trên bài báo *ViTextVQA: A Large-Scale Visual Question Answering Dataset for Evaluating Vietnamese Text Comprehension in Images* (ArXiv 2404.10652).  
+Bản release trên Hugging Face này **đã được chỉnh sửa cấu trúc và bổ sung các file phục vụ việc huấn luyện mô hình**.
+
+---
+
+## 🇺🇸 Introduction (English)
+
+**ViTextVQA** is a *Visual Question Answering (VQA)* dataset for Vietnamese, focusing on **scene text comprehension** in images, as described in the paper *ViTextVQA: A Large-Scale Visual Question Answering Dataset for Evaluating Vietnamese Text Comprehension in Images* (ArXiv 2404.10652).  
+This Hugging Face release contains reorganized annotation format and additional supporting files for model training.
+
+---
+
+## 📁 Dataset Structure
+
+```
+
+ViTextVQA/
+├── images.zip
+├── train.json
+├── dev.json
+├── test.json
+├── vitextvqa_coco.json
+├── vitextvqa_captions.json
+├── docr_features_of_vitext.npy
+└── README.md
+
+````
+
+| File | Mô tả / Description |
+|------|----------------------|
+| `images.zip` | Ảnh dataset (đã nén) / All dataset images (zipped) |
+| `train.json` | COCO-like annotation cho split train |
+| `dev.json` | COCO-like annotation cho split validation |
+| `test.json` | COCO-like annotation cho split test |
+| `vitextvqa_coco.json` | (Optional) Original COCO-like annotations |
+| `vitextvqa_captions.json` | Caption/annotation bổ sung |
+| `docr_features_of_vitext.npy` | OCR / document features precomputed |
+| `README.md` | File mô tả này |
+
+---
+
+## 🧠 Annotation Format (COCO-like)
+
+Cấu trúc annotation ban đầu theo dạng COCO-like:
+
+```json
+{
+  "images": [
+    { "id": 9836, "filename": "9836.jpg" },
+    { "id": 14257, "filename": "14257.jpg" }
+  ],
+  "annotations": [
+    {
+      "id": 74,
+      "image_id": 22,
+      "question": "cửa tiệm màu xanh là gì ?",
+      "answers": ["nhà thuốc"]
+    },
+    ...
+  ]
+}
+````
+
+Để training VQA hoặc dùng chung với frameworks như Hugging Face, bạn có thể convert mỗi annotation thành 1 sample:
+
+```json
+{
+  "image": "images/9836.jpg",
+  "question": "cửa tiệm màu xanh là gì ?",
+  "answers": ["nhà thuốc"],
+  "question_id": 74
+}
+```
+
+---
+
+## 📊 Dataset Statistics / Thống kê
+
+| Split | Images | QA pairs (annotations) |
+| ----- | ------ | ---------------------- |
+| train | 11,733 | 35,159                 |
+| dev   | 1,676  | 5,155                  |
+| test  | 3,353  | 10,028                 |
+
+> Các con số được tính bằng script thống kê annotation COCO-like.
+
+---
+
+## 🛠️ Usage / Hướng dẫn sử dụng
+
+### 📦 Giải nén ảnh (unzip images)
+
+```bash
+unzip images.zip -d images/
+```
+
+### 📖 Load JSON với Python
+
+```python
+import json
+
+with open("train.json", "r", encoding="utf-8") as f:
+    data = json.load(f)
+
+print(data[0])
+```
+
+### 📚 Dùng dataset với Hugging Face `datasets`
+
+```python
+from datasets import load_dataset
+
+dataset = load_dataset("json", data_files="train.json")
+print(dataset["train"][0])
+```
+
+---
+
+## 📜 Citation / Trích dẫn
+
+Nếu bạn sử dụng dataset này trong nghiên cứu, vui lòng trích dẫn:
+
+```bibtex
+@article{ViTextVQA2024,
+  title={ViTextVQA: A Large-Scale Visual Question Answering Dataset for Evaluating Vietnamese Text Comprehension in Images},
+  author={Quan Van Nguyen and Dan Quang Tran and Huy Quang Pham and Thang Kien-Bao Nguyen and Nghia Hieu Nguyen and Kiet Van Nguyen and Ngan Luu-Thuy Nguyen},
+  journal={arXiv preprint arXiv:2404.10652},
+  year={2024},
+  url={https://arxiv.org/abs/2404.10652}
+}
+```
+
+---
+
+## 📬 Contact / Liên hệ
+
+Dataset gốc được công bố bởi nhóm tác giả nghiên cứu tại **University of Information Technology, Vietnam National University, Ho Chi Minh City**.
+
+