PulseAugur
实时 11:04:18
实体 Document Visual Question Answering

Document Visual Question Answering

PulseAugur coverage of Document Visual Question Answering — every cluster mentioning Document Visual Question Answering across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_138260 ·

    研究发现视觉语言模型在处理复杂文档布局时遇到困难

    一项新研究评估了八个开源视觉语言模型(VLMs)在三种不同文档类型上的文档视觉问答(DocVQA)能力:工业文档、信息图和幻灯片。研究发现,虽然大型VLMs在零样本设置下结构化布局表现良好,但在信息图和幻灯片等视觉复杂度更高的文档上,其性能会显著下降。研究还强调,监督微调可以带来显著的性能提升,特别是对于较小的模型架构,并且视觉理解而非知识缺乏是DocVQA的主要限制。