HRVDA: High-Resolution Visual Document Assistant
Fuente:
arXiv
Salvato in:
| Autori principali: | Liu, Chaohu, Yin, Kun, Cao, Haoyu, Jiang, Xinghua, Li, Xin, Liu, Yinsong, Jiang, Deqiang, Sun, Xing, Xu, Linli |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Enhancing Visual Document Understanding with Contrastive Learning in Large Visual-Language Models
di: Li, Xin, et al.
Pubblicazione: (2024)
di: Li, Xin, et al.
Pubblicazione: (2024)
Break the Visual Perception: Adversarial Attacks Targeting Encoded Visual Tokens of Large Vision-Language Models
di: Wang, Yubo, et al.
Pubblicazione: (2024)
di: Wang, Yubo, et al.
Pubblicazione: (2024)
DREAM: Document Reconstruction via End-to-end Autoregressive Model
di: Li, Xin, et al.
Pubblicazione: (2025)
di: Li, Xin, et al.
Pubblicazione: (2025)
TACO: Think-Answer Consistency for Optimized Long-Chain Reasoning and Efficient Data Learning via Reinforcement Learning in LVLMs
di: Kan, Zhehan, et al.
Pubblicazione: (2025)
di: Kan, Zhehan, et al.
Pubblicazione: (2025)
AdPO: Enhancing the Adversarial Robustness of Large Vision-Language Models with Preference Optimization
di: Liu, Chaohu, et al.
Pubblicazione: (2025)
di: Liu, Chaohu, et al.
Pubblicazione: (2025)
When Thinking Hurts: Mitigating Visual Forgetting in Video Reasoning via Frame Repetition
di: Sun, Xiaokun, et al.
Pubblicazione: (2026)
di: Sun, Xiaokun, et al.
Pubblicazione: (2026)
Youtu-Parsing: Perception, Structuring and Recognition via High-Parallelism Decoding
di: Yin, Kun, et al.
Pubblicazione: (2026)
di: Yin, Kun, et al.
Pubblicazione: (2026)
DenseMLLM: Standard Multimodal LLMs for Dense Prediction
di: Li, Yi, et al.
Pubblicazione: (2026)
di: Li, Yi, et al.
Pubblicazione: (2026)
BASIC: Boosting Visual Alignment with Intrinsic Refined Embeddings in Multimodal Large Language Models
di: Tang, Jianting, et al.
Pubblicazione: (2025)
di: Tang, Jianting, et al.
Pubblicazione: (2025)
Youtu-VL: Unleashing Visual Potential via Unified Vision-Language Supervision
di: Wei, Zhixiang, et al.
Pubblicazione: (2026)
di: Wei, Zhixiang, et al.
Pubblicazione: (2026)
Conan: Progressive Learning to Reason Like a Detective over Multi-Scale Visual Evidence
di: Ouyang, Kun, et al.
Pubblicazione: (2025)
di: Ouyang, Kun, et al.
Pubblicazione: (2025)
Dynamic Token Compression for Efficient Video Understanding through Reinforcement Learning
di: Wang, Shida, et al.
Pubblicazione: (2026)
di: Wang, Shida, et al.
Pubblicazione: (2026)
DiG: Differential Grounding for Enhancing Fine-Grained Perception in Multimodal Large Language Model
di: Tao, Zhou, et al.
Pubblicazione: (2025)
di: Tao, Zhou, et al.
Pubblicazione: (2025)
Can Unified Generation and Understanding Models Maintain Semantic Equivalence Across Different Output Modalities?
di: Jiang, Hongbo, et al.
Pubblicazione: (2026)
di: Jiang, Hongbo, et al.
Pubblicazione: (2026)
Visual Self-paced Iterative Learning for Unsupervised Temporal Action Localization
di: Hu, Yupeng, et al.
Pubblicazione: (2023)
di: Hu, Yupeng, et al.
Pubblicazione: (2023)
TimeChat-Online: 80% Visual Tokens are Naturally Redundant in Streaming Videos
di: Yao, Linli, et al.
Pubblicazione: (2025)
di: Yao, Linli, et al.
Pubblicazione: (2025)
HRSeg: High-Resolution Visual Perception and Enhancement for Reasoning Segmentation
di: Lin, Weihuang, et al.
Pubblicazione: (2025)
di: Lin, Weihuang, et al.
Pubblicazione: (2025)
Visual Intention Grounding for Egocentric Assistants
di: Sun, Pengzhan, et al.
Pubblicazione: (2025)
di: Sun, Pengzhan, et al.
Pubblicazione: (2025)
GeoVista: Visually Grounded Active Perception for Ultra-High-Resolution Remote Sensing Understanding
di: Zhu, Jiashun, et al.
Pubblicazione: (2026)
di: Zhu, Jiashun, et al.
Pubblicazione: (2026)
TimeChat-Captioner: Scripting Multi-Scene Videos with Time-Aware and Structural Audio-Visual Captions
di: Yao, Linli, et al.
Pubblicazione: (2026)
di: Yao, Linli, et al.
Pubblicazione: (2026)
HD-VGGT: High-Resolution Visual Geometry Transformer
di: Chen, Tianrun, et al.
Pubblicazione: (2026)
di: Chen, Tianrun, et al.
Pubblicazione: (2026)
Disentangled Textual Priors for Diffusion-based Image Super-Resolution
di: Jiang, Lei, et al.
Pubblicazione: (2026)
di: Jiang, Lei, et al.
Pubblicazione: (2026)
Video In-context Learning: Autoregressive Transformers are Zero-Shot Video Imitators
di: Zhang, Wentao, et al.
Pubblicazione: (2024)
di: Zhang, Wentao, et al.
Pubblicazione: (2024)
Relation-Rich Visual Document Generator for Visual Information Extraction
di: Jiang, Zi-Han, et al.
Pubblicazione: (2025)
di: Jiang, Zi-Han, et al.
Pubblicazione: (2025)
Enhancing Micro Gesture Recognition for Emotion Understanding via Context-aware Visual-Text Contrastive Learning
di: Li, Deng, et al.
Pubblicazione: (2024)
di: Li, Deng, et al.
Pubblicazione: (2024)
Incorporating Pre-training Data Matters in Unsupervised Domain Adaptation
di: Xu, Yinsong, et al.
Pubblicazione: (2023)
di: Xu, Yinsong, et al.
Pubblicazione: (2023)
Semantic and Visual Evidence for Efficient Long-Video Reasoning: A Solution for the HD-EPIC VQA Challenge
di: Xu, Yinsong, et al.
Pubblicazione: (2026)
di: Xu, Yinsong, et al.
Pubblicazione: (2026)
Visual Autoregressive Modeling for Image Super-Resolution
di: Qu, Yunpeng, et al.
Pubblicazione: (2025)
di: Qu, Yunpeng, et al.
Pubblicazione: (2025)
Moment-Video: Diagnosing Temporal Fidelity of Video MLLMs on Momentary Visual Events
di: Liu, Xiaolin, et al.
Pubblicazione: (2026)
di: Liu, Xiaolin, et al.
Pubblicazione: (2026)
Adaptive Visual Navigation Assistant in 3D RPGs
di: Xu, Kaijie, et al.
Pubblicazione: (2025)
di: Xu, Kaijie, et al.
Pubblicazione: (2025)
VITA-VLA: Efficiently Teaching Vision-Language Models to Act via Action Expert Distillation
di: Dong, Shaoqi, et al.
Pubblicazione: (2025)
di: Dong, Shaoqi, et al.
Pubblicazione: (2025)
AlignVAR: Towards Globally Consistent Visual Autoregression for Image Super-Resolution
di: Liu, Cencen, et al.
Pubblicazione: (2026)
di: Liu, Cencen, et al.
Pubblicazione: (2026)
Resolving Ambiguity in Gaze-Facilitated Visual Assistant Interaction Paradigm
di: Wang, Zeyu, et al.
Pubblicazione: (2025)
di: Wang, Zeyu, et al.
Pubblicazione: (2025)
MVP: Enhancing Video Large Language Models via Self-supervised Masked Video Prediction
di: Sun, Xiaokun, et al.
Pubblicazione: (2026)
di: Sun, Xiaokun, et al.
Pubblicazione: (2026)
PocketSR: The Super-Resolution Expert in Your Pocket Mobiles
di: Sun, Haoze, et al.
Pubblicazione: (2025)
di: Sun, Haoze, et al.
Pubblicazione: (2025)
TextOVSR: Text-Guided Real-World Opera Video Super-Resolution
di: Chang, Hua, et al.
Pubblicazione: (2026)
di: Chang, Hua, et al.
Pubblicazione: (2026)
Visual Bridge: Universal Visual Perception Representations Generating
di: Gao, Yilin, et al.
Pubblicazione: (2025)
di: Gao, Yilin, et al.
Pubblicazione: (2025)
TalkPhoto: A Versatile Training-Free Conversational Assistant for Intelligent Image Editing
di: Hu, Yujie, et al.
Pubblicazione: (2026)
di: Hu, Yujie, et al.
Pubblicazione: (2026)
AD-Copilot: A Vision-Language Assistant for Industrial Anomaly Detection via Visual In-context Comparison
di: Jiang, Xi, et al.
Pubblicazione: (2026)
di: Jiang, Xi, et al.
Pubblicazione: (2026)
CineScale: Free Lunch in High-Resolution Cinematic Visual Generation
di: Qiu, Haonan, et al.
Pubblicazione: (2025)
di: Qiu, Haonan, et al.
Pubblicazione: (2025)
Documenti analoghi
-
Enhancing Visual Document Understanding with Contrastive Learning in Large Visual-Language Models
di: Li, Xin, et al.
Pubblicazione: (2024) -
Break the Visual Perception: Adversarial Attacks Targeting Encoded Visual Tokens of Large Vision-Language Models
di: Wang, Yubo, et al.
Pubblicazione: (2024) -
DREAM: Document Reconstruction via End-to-end Autoregressive Model
di: Li, Xin, et al.
Pubblicazione: (2025) -
TACO: Think-Answer Consistency for Optimized Long-Chain Reasoning and Efficient Data Learning via Reinforcement Learning in LVLMs
di: Kan, Zhehan, et al.
Pubblicazione: (2025) -
AdPO: Enhancing the Adversarial Robustness of Large Vision-Language Models with Preference Optimization
di: Liu, Chaohu, et al.
Pubblicazione: (2025)