视觉大模型 / VLM

MeDocVL: A Visual Language Model for Medical Document Understanding and Parsing

MeDocVL：一种用于医疗文档理解与解析的视觉语言模型

Wenjie Wang, Wei Wu, Ying Liu, Yuan Zhao, Xiaole Lv, Liang Diao, Zengjian Fan, Wenfeng Xie, Ziling Lin, De Shi, Lin Huang, Kaihe Xu, Hong Li

机构 * Visual Computing Group (VCG)（视觉计算组） 纠错

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

AI总结 MeDocVL通过训练驱动的标签细化和噪声意识的混合后训练策略，实现了对医疗文档的高精度解析，优于现有OCR和VLM方法。

Comments 20 pages, 8 figures. Technical report