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。

2025-10-22 至 2025-10-22 共收录 2 篇信号源：cs.CV, cs.AI, cs.LG

1. 文档图表理解 2 篇

2506.03197 2025-10-22 cs.CV cs.AI cs.CL cs.LG 67%

Baode Wang, Biao Wu, Weizhen Li, Meng Fang, Zuming Huang, Jun Huang, Haozhe Wang, Yanjie Liang, Ling Chen, Wei Chu, Yuan Qi

机构 * INFLY Tech（INFLY科技）； Australian Artificial Intelligence Institute（澳大利亚人工智能研究所）； University of Liverpool（利物浦大学）

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

Comments 16 pages, 12 figures

2510.18703 2025-10-22 cs.CV 57%

Yiqi Lin, Alex Jinpeng Wang, Linjie Li, Zhengyuan Yang, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（新加坡国立大学展示实验室）； Central South University（中南大学）； Microsoft（微软公司）

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