Buchumschlag

SynJAC: Synthetic-data-driven Joint-granular Adaptation and Calibration for Domain Specific Scanned Document Key Information Extraction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ding, Yihao, Han, Soyeon Caren, Li, Zechuan, Chung, Hyunsuk
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SynDoc: A Hybrid Discriminative-Generative Framework for Enhancing Synthetic Domain-Adaptive Document Key Information Extraction
von: Ding, Yihao, et al.
Veröffentlicht: (2025)

BRIDGE: Benchmark for multi-hop Reasoning In long multimodal Documents with Grounded Evidence
von: Xiang, Biao, et al.
Veröffentlicht: (2026)

VRD-IU: Lessons from Visually Rich Document Intelligence and Understanding
von: Ding, Yihao, et al.
Veröffentlicht: (2025)

Deep Learning based Visually Rich Document Content Understanding: A Survey
von: Ding, Yihao, et al.
Veröffentlicht: (2024)

Graph Neural Networks for Text Classification: A Survey
von: Wang, Kunze, et al.
Veröffentlicht: (2023)

PEACH: Pretrained-embedding Explanation Across Contextual and Hierarchical Structure
von: Cao, Feiqi, et al.
Veröffentlicht: (2024)

ChuLo: Chunk-Level Key Information Representation for Long Document Understanding
von: Li, Yan, et al.
Veröffentlicht: (2024)

Diagnosing Causal Reasoning in Vision-Language Models via Structured Relevance Graphs
von: Pratama, Dhita Putri, et al.
Veröffentlicht: (2026)

A Training-Free Length Extrapolation Approach for LLMs: Greedy Attention Logit Interpolation (GALI)
von: Li, Yan, et al.
Veröffentlicht: (2025)

PDF-MVQA: A Dataset for Multimodal Information Retrieval in PDF-based Visual Question Answering
von: Ding, Yihao, et al.
Veröffentlicht: (2024)

When More Is Less: A Systematic Analysis of Spatial and Commonsense Information for Visual Spatial Reasoning
von: Akasaka, Muku, et al.
Veröffentlicht: (2026)

DocHop-QA: Towards Multi-Hop Reasoning over Multimodal Document Collections
von: Park, Jiwon, et al.
Veröffentlicht: (2025)

ToolTree: Efficient LLM Agent Tool Planning via Dual-Feedback Monte Carlo Tree Search and Bidirectional Pruning
von: Yang, Shuo, et al.
Veröffentlicht: (2026)

Physics-based phenomenological characterization of cross-modal bias in multimodal models
von: Kim, Hyeongmo, et al.
Veröffentlicht: (2026)

JAC-Antimicrobial Resistance
Veröffentlicht: (2020)

When Is Rank-1 Enough? Geometry-Guided Initialization for Parameter-Efficient Fine-Tuning
von: Zhao, Haoran, et al.
Veröffentlicht: (2026)

MSG-Chart: Multimodal Scene Graph for ChartQA
von: Dai, Yue, et al.
Veröffentlicht: (2024)

Graph-Based Multimodal Contrastive Learning for Chart Question Answering
von: Dai, Yue, et al.
Veröffentlicht: (2025)

Multimodal Commonsense Knowledge Distillation for Visual Question Answering
von: Yang, Shuo, et al.
Veröffentlicht: (2024)

SCO-VIST: Social Interaction Commonsense Knowledge-based Visual Storytelling
von: Wang, Eileen, et al.
Veröffentlicht: (2024)

UniCast: A Unified Framework for Instance-Conditioned Multimodal Time-Series Forecasting
von: Park, Sehyuk, et al.
Veröffentlicht: (2025)

MIDAS: Multi-level Intent, Domain, And Slot Knowledge Distillation for Multi-turn NLU
von: Li, Yan, et al.
Veröffentlicht: (2024)

FiLoRA: Focus-and-Ignore LoRA for Controllable Feature Reliance
von: Chung, Hyunsuk, et al.
Veröffentlicht: (2026)

SynFinTabs: A Dataset of Synthetic Financial Tables for Information and Table Extraction
von: Bradley, Ethan, et al.
Veröffentlicht: (2024)

Docs2Synth: A Synthetic Data Trained Retriever Framework for Scanned Visually Rich Documents Understanding
von: Ding, Yihao, et al.
Veröffentlicht: (2026)

3M: Multi-modal Multi-task Multi-teacher Learning for Game Event Detection
von: Ng, Thye Shan, et al.
Veröffentlicht: (2024)

MAGIC-VQA: Multimodal And Grounded Inference with Commonsense Knowledge for Visual Question Answering
von: Yang, Shuo, et al.
Veröffentlicht: (2025)

A Survey of Large Language Models in Finance (FinLLMs)
von: Lee, Jean, et al.
Veröffentlicht: (2024)

In-game Toxic Language Detection: Shared Task and Attention Residuals
von: Jia, Yuanzhe, et al.
Veröffentlicht: (2022)

Multimodal Large Language Models and Tunings: Vision, Language, Sensors, Audio, and Beyond
von: Han, Soyeon Caren, et al.
Veröffentlicht: (2024)

SPANER: Shared Prompt Aligner for Multimodal Semantic Representation
von: Ng, Thye Shan, et al.
Veröffentlicht: (2025)

Exploring Syn-to-Real Domain Adaptation for Military Target Detection
von: Jeong, Jongoh, et al.
Veröffentlicht: (2025)

3MVRD: Multimodal Multi-task Multi-teacher Visually-Rich Form Document Understanding
von: Ding, Yihao, et al.
Veröffentlicht: (2024)

SynCDR : Training Cross Domain Retrieval Models with Synthetic Data
von: Mishra, Samarth, et al.
Veröffentlicht: (2023)

Everything to the Synthetic: Diffusion-driven Test-time Adaptation via Synthetic-Domain Alignment
von: Guo, Jiayi, et al.
Veröffentlicht: (2024)

HierCon: Hierarchical Contrastive Attention for Audio Deepfake Detection
von: Liang, Zhili Nicholas, et al.
Veröffentlicht: (2026)

SPADE: Structured Prompting Augmentation for Dialogue Enhancement in Machine-Generated Text Detection
von: Li, Haoyi, et al.
Veröffentlicht: (2025)

MUSEKG: A Knowledge Graph Over Museum Collections
von: Li, Jinhao, et al.
Veröffentlicht: (2025)

3M-Health: Multimodal Multi-Teacher Knowledge Distillation for Mental Health Detection
von: Cabral, Rina Carines, et al.
Veröffentlicht: (2024)

EMMM, Explain Me My Model! Explainable Machine Generated Text Detection in Dialogues
von: Yuan, Angela Yifei, et al.
Veröffentlicht: (2025)