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。

2025-10-10 至 2025-10-10 共收录 2 篇信号源：cs.CV, cs.AI, cs.LG

1. 文档图表理解 2 篇

2510.07665 2025-10-10 cs.CV 57%

Automatic Text Box Placement for Supporting Typographic Design

Jun Muraoka, Daichi Haraguchi, Naoto Inoue, Wataru Shimoda, Kota Yamaguchi, Seiichi Uchida

机构 * Kyushu University（九州大学）； CyberAgent

专题命中文档图表理解：VLM(abstract)；分类 cs.CV

2510.04097 2025-10-10 cs.AI 57%

WebRenderBench: Enhancing Web Interface Generation through Layout-Style Consistency and Reinforcement Learning

Peichao Lai, Jinhui Zhuang, Kexuan Zhang, Ningchang Xiong, Shengjie Wang, Yanwei Xu, Chong Chen, Yilei Wang, Bin Cui

机构 * Peking University（北京大学）； Xiamen Huaxia University（厦门华夏大学）； Fuzhou University（福州市大学）； City University of Hong Kong（香港城市大学）； Huawei Cloud BU（华为云业务单元）

专题命中文档图表理解：multimodal large language model(abstract)；分类 cs.AI