arXivDaily arXiv每日学术速递 周一至周五更新
arXiv周末暂无论文更新,休息一下吧,周末愉快~~

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。

2025-09-25 至 2025-09-25 共收录 2 信号源:cs.CV, cs.AI, cs.LG

1. 文档图表理解 2 篇

2509.19768 2025-09-25 cs.CL cs.CV 83%

CHURRO: Making History Readable with an Open-Weight Large Vision-Language Model for High-Accuracy, Low-Cost Historical Text Recognition

Sina J. Semnani, Han Zhang, Xinyan He, Merve Tekgürler, Monica S. Lam

机构 * Stanford University(斯坦福大学)

专题命中 文档图表理解 :vision-language model(title,abstract);VLM(abstract);分类 cs.CV

Comments EMNLP 2025

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.19760 2025-09-25 cs.CV 57%

Logics-Parsing Technical Report

Xiangyang Chen, Shuzhao Li, Xiuwen Zhu, Yongfan Chen, Fan Yang, Cheng Fang, Lin Qu, Xiaoxiao Xu, Hu Wei, Minggang Wu

机构 * Alibaba Group(阿里巴巴集团)

专题命中 文档图表理解 :vision-language model(abstract);分类 cs.CV

详情

展开后加载摘要…

URL PDF HTML 收藏