研究人员推出了一项名为 Read-Parse-Describe 的新基准,旨在统一文档解析任务,超越了对布局分析、OCR 和图像字幕生成的独立评估。该基准要求模型输出全面的页面解析,包括边界框、语义标签、阅读顺序、文本内容以及视觉元素的描述。还提出了一种新颖的空间感知增强器,以提高在阅读顺序和语义理解方面的联合性能,表明当前系统在此集成方法上面临挑战。 AI
影响 该基准有望推动更全面理解和生成能力的文档人工智能系统的发展。
排序理由 该项目是一篇研究论文,介绍了一种新的文档理解基准和方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- Read, Parse, Describe
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →