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。

2025-10-29 至 2025-10-29 共收录 2 篇信号源：cs.CV, cs.AI, cs.LG

1. 文档图表理解 2 篇

2510.24180 2025-10-29 cs.LG 57%

Arpita Kundu, Joyita Chakraborty, Anindita Desarkar, Aritra Sen, Srushti Anil Patil, Vishwanathan Raman

机构 * LTIMindTree

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

2509.16691 2025-10-29 cs.CV 57%

Qiang Xiang, Shuang Sun, Binglei Li, Dejia Song, Huaxia Li, Nemo Chen, Xu Tang, Yao Hu, Junping Zhang

专题命中文档图表理解：grounding(abstract)；分类 cs.CV

Comments Accepted in NeurIPS 2025