Este artículo propone CAD2DMD-SET, una herramienta de generación de datos sintéticos, para abordar el desafío real de los modelos de visión-lenguaje (LVLM) a gran escala, que presentan dificultades para leer valores de dispositivos de medición digital (DMD). CAD2DMD-SET aprovecha modelos CAD 3D, renderizados avanzados y síntesis de imágenes de alta fidelidad para generar un conjunto de datos DMD sintéticos diverso y etiquetado con VQA, junto con un conjunto de validación, DMDBench, para evaluar las restricciones del mundo real. Las evaluaciones de tres LVLM de última generación demuestran mejoras significativas en el rendimiento de los modelos entrenados con CAD2DMD-SET, con InternVL logrando un aumento del 200 % en el rendimiento. CAD2DMD-SET se publicará en código abierto en el futuro.
