一篇新近发表在arXiv上的调查论文,对长文档视觉问答(VQA)进行了以任务为中心的分解。它将该领域分为文档解析、证据组织与检索、生成器组织与学习以及评估。该论文追溯了研究重点的演变,从多模态内容理解转向获取和管理高保真证据的关注,并提出了可验证理解和持续文档理解等领域未来的研究方向。 AI
影响 为长文档视觉问答领域的研究提供了结构化的概述和未来方向。
排序理由 该集群包含一篇发表在arXiv上的调查论文,详细介绍了特定的研究领域。
- alphaXiv
- arXiv
- arXivLabs
- Bibliographic Explorer
- CatalyzeX Code Finder for Papers
- computer science
- Computer vision and pattern recognition
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- ScienceCast
- scite Smart Citations
- visual question answering
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →