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。

2025-10-31 至 2025-10-31 共收录 3 篇信号源：cs.CV, cs.AI, cs.LG

1. 文档图表理解 3 篇

2510.26339 2025-10-31 cs.CV cs.AI 76%

GLYPH-SR: Can We Achieve Both High-Quality Image Super-Resolution and High-Fidelity Text Recovery via VLM-guided Latent Diffusion Model?

Mingyu Sung, Seungjae Ham, Kangwoo Kim, Yeokyoung Yoon, Sangseok Yun, Il-Min Kim, Jae-Mo Kang

机构 * Department of Artificial Intelligence（人工智能系）； Kyungpook National University（庆尚国立大学）； Department of Electrical and Computer Engineering（电气电子工程系）； Queen’s University（皇后大学）； Department of Information and Communications Engineering（信息与通信工程系）； Pukyong National University（浦项国立大学）