DocLens : A Tool-Augmented Multi-Agent Framework for Long Visual Document Understanding
机构 * Google Cloud AI Research（谷歌云人工智能研究） ； School of Computer Science, Peking University（北京大学计算机学院）
专题命中 文档图表理解 ：vision-language model(abstract)；分类 cs.CV
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。
