Multi-Stage Field Extraction of Financial Documents with OCR and Compact Vision-Language Models
专题命中 文档图表理解 ：vision-language model(title)；vision language model(abstract)
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。
1. 文档图表理解 2 篇
OCR-Quality: A Human-Annotated Dataset for OCR Quality Assessment
机构 * Beijing University of Posts and Telecommunications（北京邮电大学）
专题命中 文档图表理解 ：vision-language model(abstract)；分类 cs.CV、cs.AI
