SUMMA: A Multimodal Large Language Model for Advertisement Summarization
专题命中 文档图表理解 :multimodal large language model(title)
AI 大模型
视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。
专题命中 文档图表理解 :multimodal large language model(title)
机构 * York University(约克大学) ; University of Alberta(阿尔伯塔大学) ; Salesforce AI Research(Salesforce AI研究)
专题命中 文档图表理解 :vision-language model(abstract);LLaVA(abstract);分类 cs.LG
Comments Accepted to the EMNLP 2025 Industry Track