CREPE: Coordinate-Aware End-to-End Document Parser
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Okamoto, Yamato, Baek, Youngmin, Kim, Geewook, Nakao, Ryota, Kim, DongHyun, Yim, Moon Bin, Park, Seunghyun, Lee, Bado |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
OV-Stitcher: A Global Context-Aware Framework for Training-Free Open-Vocabulary Semantic Segmentation
par: Moon, Seungjae, et autres
Publié: (2026)
par: Moon, Seungjae, et autres
Publié: (2026)
Evaluating Multimodal Generative AI with Korean Educational Standards
par: Park, Sanghee, et autres
Publié: (2025)
par: Park, Sanghee, et autres
Publié: (2025)
P-Hologen: An End-to-End Generative Framework for Phase-Only Holograms
par: Park, JooHyun, et autres
Publié: (2024)
par: Park, JooHyun, et autres
Publié: (2024)
ScrewSplat: An End-to-End Method for Articulated Object Recognition
par: Kim, Seungyeon, et autres
Publié: (2025)
par: Kim, Seungyeon, et autres
Publié: (2025)
State-Space Hierarchical Compression with Gated Attention and Learnable Sampling for Hour-Long Video Understanding in Large Multimodal Models
par: Kim, Geewook, et autres
Publié: (2025)
par: Kim, Geewook, et autres
Publié: (2025)
Do Modern Video-LLMs Need to Listen? A Benchmark Audit and Scalable Remedy
par: Kim, Geewook, et autres
Publié: (2025)
par: Kim, Geewook, et autres
Publié: (2025)
On Efficient Language and Vision Assistants for Visually-Situated Natural Language Understanding: What Matters in Reading and Reasoning
par: Kim, Geewook, et autres
Publié: (2024)
par: Kim, Geewook, et autres
Publié: (2024)
SUPER-AD: Semantic Uncertainty-aware Planning for End-to-End Robust Autonomous Driving
par: Ryu, Wonjeong, et autres
Publié: (2025)
par: Ryu, Wonjeong, et autres
Publié: (2025)
TE-TAD: Towards Full End-to-End Temporal Action Detection via Time-Aligned Coordinate Expression
par: Kim, Ho-Joong, et autres
Publié: (2024)
par: Kim, Ho-Joong, et autres
Publié: (2024)
UCMNet: Uncertainty-Aware Context Memory Network for Under-Display Camera Image Restoration
par: Kim, Daehyun, et autres
Publié: (2026)
par: Kim, Daehyun, et autres
Publié: (2026)
How Does Vision-Language Adaptation Impact the Safety of Vision Language Models?
par: Lee, Seongyun, et autres
Publié: (2024)
par: Lee, Seongyun, et autres
Publié: (2024)
A 2-Stage Model for Vehicle Class and Orientation Detection with Photo-Realistic Image Generation
par: Kim, Youngmin, et autres
Publié: (2025)
par: Kim, Youngmin, et autres
Publié: (2025)
MolParser: End-to-end Visual Recognition of Molecule Structures in the Wild
par: Fang, Xi, et autres
Publié: (2024)
par: Fang, Xi, et autres
Publié: (2024)
H2G: Hierarchy-Aware Hyperbolic Grouping for 3D Scenes
par: Ko, ByungHa, et autres
Publié: (2026)
par: Ko, ByungHa, et autres
Publié: (2026)
End-to-End Optimization of Polarimetric Measurement and Material Classifier
par: Maeda, Ryota, et autres
Publié: (2026)
par: Maeda, Ryota, et autres
Publié: (2026)
End-to-End Breast Cancer Radiotherapy Planning via LMMs with Consistency Embedding
par: Kim, Kwanyoung, et autres
Publié: (2023)
par: Kim, Kwanyoung, et autres
Publié: (2023)
Subnet-Aware Dynamic Supernet Training for Neural Architecture Search
par: Jeon, Jeimin, et autres
Publié: (2025)
par: Jeon, Jeimin, et autres
Publié: (2025)
SEDD-PCC: A Single Encoder-Dual Decoder Framework For End-To-End Learned Point Cloud Compression
par: Hsieh, Kai Hsiang, et autres
Publié: (2025)
par: Hsieh, Kai Hsiang, et autres
Publié: (2025)
EXAONE Path 2.0: Pathology Foundation Model with End-to-End Supervision
par: Pyeon, Myeongjang, et autres
Publié: (2025)
par: Pyeon, Myeongjang, et autres
Publié: (2025)
Causality-Aware End-to-End Autonomous Driving via Ego-Centric Joint Scene Modeling
par: Moon, Seokha, et autres
Publié: (2026)
par: Moon, Seokha, et autres
Publié: (2026)
MMRefine: Unveiling the Obstacles to Robust Refinement in Multimodal Large Language Models
par: Paik, Gio, et autres
Publié: (2025)
par: Paik, Gio, et autres
Publié: (2025)
BEEP3D: Box-Supervised End-to-End Pseudo-Mask Generation for 3D Instance Segmentation
par: Yoo, Youngju, et autres
Publié: (2025)
par: Yoo, Youngju, et autres
Publié: (2025)
SyncVSR: Data-Efficient Visual Speech Recognition with End-to-End Crossmodal Audio Token Synchronization
par: Ahn, Young Jin, et autres
Publié: (2024)
par: Ahn, Young Jin, et autres
Publié: (2024)
Qianfan-OCR: A Unified End-to-End Model for Document Intelligence
par: Dong, Daxiang, et autres
Publié: (2026)
par: Dong, Daxiang, et autres
Publié: (2026)
Modeling Stereo-Confidence Out of the End-to-End Stereo-Matching Network via Disparity Plane Sweep
par: Lee, Jae Young, et autres
Publié: (2024)
par: Lee, Jae Young, et autres
Publié: (2024)
Scalp Diagnostic System With Label-Free Segmentation and Training-Free Image Translation
par: Kim, Youngmin, et autres
Publié: (2024)
par: Kim, Youngmin, et autres
Publié: (2024)
Event Ellipsometer: Event-based Mueller-Matrix Video Imaging
par: Maeda, Ryota, et autres
Publié: (2024)
par: Maeda, Ryota, et autres
Publié: (2024)
P‐Hologen: An End‐to‐End Generative Framework for Phase‐Only Holograms
par: JooHyun Park, et autres
Publié: (2024)
par: JooHyun Park, et autres
Publié: (2024)
Decentralized Instruction Tuning: Conflict-Aware Splitting and Weight Merging
par: Choi, Minsik, et autres
Publié: (2026)
par: Choi, Minsik, et autres
Publié: (2026)
DLAFormer: An End-to-End Transformer For Document Layout Analysis
par: Wang, Jiawei, et autres
Publié: (2024)
par: Wang, Jiawei, et autres
Publié: (2024)
Joint Learning of Pose Regression and Denoising Diffusion with Score Scaling Sampling for Category-level 6D Pose Estimation
par: Lee, Seunghyun, et autres
Publié: (2025)
par: Lee, Seunghyun, et autres
Publié: (2025)
Prometheus-Vision: Vision-Language Model as a Judge for Fine-Grained Evaluation
par: Lee, Seongyun, et autres
Publié: (2024)
par: Lee, Seongyun, et autres
Publié: (2024)
Efficient End-to-End Visual Document Understanding with Rationale Distillation
par: Zhu, Wang, et autres
Publié: (2023)
par: Zhu, Wang, et autres
Publié: (2023)
Infinity Parser: Layout Aware Reinforcement Learning for Scanned Document Parsing
par: Wang, Baode, et autres
Publié: (2025)
par: Wang, Baode, et autres
Publié: (2025)
MatteViT: High-Frequency-Aware Document Shadow Removal with Shadow Matte Guidance
par: Kim, Chaewon, et autres
Publié: (2025)
par: Kim, Chaewon, et autres
Publié: (2025)
VLA-R: Vision-Language Action Retrieval toward Open-World End-to-End Autonomous Driving
par: Seong, Hyunki, et autres
Publié: (2025)
par: Seong, Hyunki, et autres
Publié: (2025)
TextlessRAG: End-to-End Visual Document RAG by Speech Without Text
par: Xie, Peijin, et autres
Publié: (2025)
par: Xie, Peijin, et autres
Publié: (2025)
Percept-WAM: Perception-Enhanced World-Awareness-Action Model for Robust End-to-End Autonomous Driving
par: Han, Jianhua, et autres
Publié: (2025)
par: Han, Jianhua, et autres
Publié: (2025)
Moiré Zero: An Efficient and High-Performance Neural Architecture for Moiré Removal
par: Lee, Seungryong, et autres
Publié: (2025)
par: Lee, Seungryong, et autres
Publié: (2025)
HEAT: Heterogeneous End-to-End Autonomous Driving via Trajectory-Guided World Models
par: Cho, Hoonhee, et autres
Publié: (2026)
par: Cho, Hoonhee, et autres
Publié: (2026)
Documents similaires
-
OV-Stitcher: A Global Context-Aware Framework for Training-Free Open-Vocabulary Semantic Segmentation
par: Moon, Seungjae, et autres
Publié: (2026) -
Evaluating Multimodal Generative AI with Korean Educational Standards
par: Park, Sanghee, et autres
Publié: (2025) -
P-Hologen: An End-to-End Generative Framework for Phase-Only Holograms
par: Park, JooHyun, et autres
Publié: (2024) -
ScrewSplat: An End-to-End Method for Articulated Object Recognition
par: Kim, Seungyeon, et autres
Publié: (2025) -
State-Space Hierarchical Compression with Gated Attention and Learnable Sampling for Hour-Long Video Understanding in Large Multimodal Models
par: Kim, Geewook, et autres
Publié: (2025)