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。

2025-10-17 至 2025-10-17 共收录 1 篇信号源：cs.CV, cs.AI, cs.LG

1. 文档图表理解 1 篇

2505.18668 2025-10-17 cs.CV cs.CL 57%

Zhen Li, Duan Li, Yukai Guo, Xinyuan Guo, Bowen Li, Lanxi Xiao, Shenyu Qiao, Jiashu Chen, Zijian Wu, Hui Zhang, Xinhuan Shu, Shixia Liu

机构 * Tsinghua University（清华大学）； Newcastle University（新castle大学）

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

Comments 58 pages