arXiv · 机器人与计算机视觉· Yufei Tong, Guanjie Cheng, Tianle Wu, Leilei Zhang, Hang Zheng, Peihan Wu, Jianwei Yin, Shuiguang Deng·· 27 天前AI 评分38
长文档视觉问答任务导向综述:分类、演进与未来方向
A Task-Centric Survey of Long-Document Visual Question Answering: Taxonomy, Evolution, and Future Directions
AI 导读
现有长文档视觉问答(VQA)研究多侧重架构,本文提出任务导向综述将其拆解为解析、证据组织检索、生成器学习与评估四部分。文章梳理了从多模态理解到高保真证据获取的优先级演变,并展望了证据充分性、可验证理解及预算感知协调等未来方向。
来源:arXiv · 机器人与计算机视觉 · arxiv.org