Buchumschlag

Unveiling the Deficiencies of Pre-trained Text-and-Layout Models in Real-world Visually-rich Document Information Extraction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Chong, Zhao, Yixi, Xie, Yulu, Yuan, Chenshu, Tu, Yi, Guo, Ya, Chai, Mingxu, Shen, Ziyu, Zhang, Yue, Zhang, Qi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Modeling Layout Reading Order as Ordering Relations for Visually-rich Document Understanding
von: Zhang, Chong, et al.
Veröffentlicht: (2024)

DocFusion: A Unified Framework for Document Parsing Tasks
von: Chai, Mingxu, et al.
Veröffentlicht: (2024)

UNER: A Unified Prediction Head for Named Entity Recognition in Visually-rich Documents
von: Tu, Yi, et al.
Veröffentlicht: (2024)

Visually Guided Generative Text-Layout Pre-training for Document Intelligence
von: Mao, Zhiming, et al.
Veröffentlicht: (2024)

Text Grouping Adapter: Adapting Pre-trained Text Detector for Layout Analysis
von: Bi, Tianci, et al.
Veröffentlicht: (2024)

ReLayout: Towards Real-World Document Understanding via Layout-enhanced Pre-training
von: Jiang, Zhouqiang, et al.
Veröffentlicht: (2024)

Prefix-Adaptive Block Diffusion for Efficient Document Recognition
von: Chai, Mingxu, et al.
Veröffentlicht: (2026)

Real-Time Audio-Visual Speech Enhancement Using Pre-trained Visual Representations
von: Ma, T. Aleksandra, et al.
Veröffentlicht: (2025)

ChemATP: A Training-Free Chemical Reasoning Framework for Large Language Models
von: Zhang, Mingxu, et al.
Veröffentlicht: (2025)

TAP-VL: Text Layout-Aware Pre-training for Enriched Vision-Language Models
von: Fhima, Jonathan, et al.
Veröffentlicht: (2024)

LLMEval-Med: A Real-world Clinical Benchmark for Medical LLMs with Physician Validation
von: Zhang, Ming, et al.
Veröffentlicht: (2025)

Bridging Synthetic and Real Worlds for Pre-training Scene Text Detectors
von: Guan, Tongkun, et al.
Veröffentlicht: (2023)

TADAR: Thermal Array-based Detection and Ranging for Privacy-Preserving Human Sensing
von: Zhang, Xie, et al.
Veröffentlicht: (2024)

Are ID Embeddings Necessary? Whitening Pre-trained Text Embeddings for Effective Sequential Recommendation
von: Zhang, Lingzi, et al.
Veröffentlicht: (2024)

4D Visual Pre-training for Robot Learning
von: Hou, Chengkai, et al.
Veröffentlicht: (2025)

Document Parsing Unveiled: Techniques, Challenges, and Prospects for Structured Information Extraction
von: Zhang, Qintong, et al.
Veröffentlicht: (2024)

Text-to-Code Generation with Modality-relative Pre-training
von: Christopoulou, Fenia, et al.
Veröffentlicht: (2024)

LayoutLLM: Layout Instruction Tuning with Large Language Models for Document Understanding
von: Luo, Chuwei, et al.
Veröffentlicht: (2024)

Temporal Overlapping Prediction: A Self-supervised Pre-training Method for LiDAR Moving Object Segmentation
von: Miao, Ziliang, et al.
Veröffentlicht: (2025)

Prompt Tuning with Diffusion for Few-Shot Pre-trained Policy Generalization
von: Hu, Shengchao, et al.
Veröffentlicht: (2024)

HIP: Hierarchical Point Modeling and Pre-training for Visual Information Extraction
von: Long, Rujiao, et al.
Veröffentlicht: (2024)

Automatic Layout Planning for Visually-Rich Documents with Instruction-Following Models
von: Zhu, Wanrong, et al.
Veröffentlicht: (2024)

A LayoutLMv3-Based Model for Enhanced Relation Extraction in Visually-Rich Documents
von: Adnan, Wiam, et al.
Veröffentlicht: (2024)

Integrating Text and Image Pre-training for Multi-modal Algorithmic Reasoning
von: Zhang, Zijian, et al.
Veröffentlicht: (2024)

AtomDisc: An Atom-level Tokenizer that Boosts Molecular LLMs and Reveals Structure--Property Associations
von: Zhang, Mingxu, et al.
Veröffentlicht: (2025)

SMT-Layout: A MaxSMT-based Approach Supporting Real-time Interaction of Real-world GUI Layout
von: Li, Bohan, et al.
Veröffentlicht: (2024)

DataVisT5: A Pre-trained Language Model for Jointly Understanding Text and Data Visualization
von: Wan, Zhuoyue, et al.
Veröffentlicht: (2024)

DocMamba: Efficient Document Pre-training with State Space Model
von: Hu, Pengfei, et al.
Veröffentlicht: (2024)

Efficacy of horizontal platelet‐rich fibrin on gingival tissue regeneration: Cellular and histological analysis
von: Jihua Chai, et al.
Veröffentlicht: (2025)

Two-stage Audio-Visual Target Speaker Extraction System for Real-Time Processing On Edge Device
von: Li, Zixuan, et al.
Veröffentlicht: (2025)

Exploring Generalizable Pre-training for Real-world Change Detection via Geometric Estimation
von: Zhao, Yitao, et al.
Veröffentlicht: (2025)

DocPolarBERT: A Pre-trained Model for Document Understanding with Relative Polar Coordinate Encoding of Layout Structures
von: Uthayasooriyar, Benno, et al.
Veröffentlicht: (2025)

TAPOR: 3D Hand Pose Reconstruction with Fully Passive Thermal Sensing for Around-Device Interactions
von: Zhang, Xie, et al.
Veröffentlicht: (2025)

Unlocking Interpretability for RF Sensing: A Complex-Valued White-Box Transformer
von: Zhang, Xie, et al.
Veröffentlicht: (2025)

Endowing Pre-trained Graph Models with Provable Fairness
von: Zhang, Zhongjian, et al.
Veröffentlicht: (2024)

Pre-trained Language Models and Few-shot Learning for Medical Entity Extraction
von: Wang, Xiaokai, et al.
Veröffentlicht: (2025)

Fast Converging 3D Gaussian Splatting for 1-Minute Reconstruction
von: Zhang, Ziyu, et al.
Veröffentlicht: (2026)

Automated Detection of Pre-training Text in Black-box LLMs
von: Hu, Ruihan, et al.
Veröffentlicht: (2025)

ShortcutsBench: A Large-Scale Real-world Benchmark for API-based Agents
von: Shen, Haiyang, et al.
Veröffentlicht: (2024)

Membership Inference for Contrastive Pre-training Models with Text-only PII Queries
von: Cheng, Ruoxi, et al.
Veröffentlicht: (2026)