Multi-Modal Semantic Parsing for the Interpretation of Tombstone Inscriptions
机构 * University of Groningen（格罗宁根大学）
专题命中 文档图表理解 ：vision-language model(abstract)；分类 cs.CV
Comments ACMMM 2025
AI 大模型
视觉大模型 / VLM
视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。
1. 文档图表理解 2 篇
Improving Document Retrieval Coherence for Semantically Equivalent Queries
机构 * Amazon AGI（亚马逊人工智能研究院） ； University of Trento（特伦托大学）
专题命中 文档图表理解 ：grounding(abstract)
