DocCount

新的ADOPD 2026数据集通过视觉锚点推理推动文档智能发展

研究人员推出了ADOPD 2026，这是一个用于文档智能的扩展数据集和框架，它超越了简单的元素定位，实现了复杂的推理。这个新数据集通过详细的字幕、语义标签和思维链追踪丰富了ADOPD 2024数据集，将各种文档元素视为相互连接的视觉锚点。该框架实现了区域级语义标记、文本和视觉实体的统一视觉语言基础，并解决了密集计数任务中的挑战，如DocCount基准测试所示。