arXiv · 机器人与计算机视觉· Zhihang Yi, Jian Zhao, Jiancheng Lv, Tao Wang·· 14 小时前AI 评分33
MLLM 图表理解多模态信息融合综述:演进、局限与认知增强
Multimodal Information Fusion for Chart Understanding: A Survey of MLLMs -- Evolution, Limitations, and Cognitive Enhancement
AI 导读
该综述系统梳理了基于多模态大语言模型(MLLM)的图表分析领域,构建了涵盖经典深度学习到先进融合策略的方法论演进图谱。研究通过引入标准与非标准基准的新分类法,揭示了当前模型在感知与推理方面的缺陷,并指出对齐技术与强化学习是未来提升认知能力的关键方向。
来源:arXiv · 机器人与计算机视觉 · arxiv.org