Buchumschlag

Transformers Utilization in Chart Understanding: A Review of Recent Advances & Future Trends

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Al-Shetairy, Mirna, Hindy, Hanan, Khattab, Dina, Aref, Mostafa M.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Human-Computer Interaction Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ChartGen: Scaling Chart Understanding Via Code-Guided Synthetic Chart Generation
von: Kondic, Jovana, et al.
Veröffentlicht: (2025)

Advancing the Understanding and Evaluation of AR-Generated Scenes: When Vision-Language Models Shine and Stumble
von: Duan, Lin, et al.
Veröffentlicht: (2025)

AltChart: Enhancing VLM-based Chart Summarization Through Multi-Pretext Tasks
von: Moured, Omar, et al.
Veröffentlicht: (2024)

Recent Advances and Future Directions in Extended Reality (XR): Exploring AI-Powered Spatial Intelligence
von: Zeng, Baichuan
Veröffentlicht: (2025)

Generalization of CNNs on Relational Reasoning with Bar Charts
von: Cui, Zhenxing, et al.
Veröffentlicht: (2025)

Unraveling the Truth: Do VLMs really Understand Charts? A Deep Dive into Consistency and Robustness
von: Mukhopadhyay, Srija, et al.
Veröffentlicht: (2024)

Generative Augmented Reality: Paradigms, Technologies, and Future Applications
von: Liang, Chen, et al.
Veröffentlicht: (2025)

Towards Safer and Understandable Driver Intention Prediction
von: Karuppasamy, Mukilan, et al.
Veröffentlicht: (2025)

Alt4Blind: A User Interface to Simplify Charts Alt-Text Creation
von: Moured, Omar, et al.
Veröffentlicht: (2024)

MP-GUI: Modality Perception with MLLMs for GUI Understanding
von: Wang, Ziwei, et al.
Veröffentlicht: (2025)

Beyond One-Size-Fits-All: A Survey of Personalized Affective Computing in Human-Agent Interaction
von: Li, Jialin, et al.
Veröffentlicht: (2023)

UI-UG: A Unified MLLM for UI Understanding and Generation
von: Yang, Hao, et al.
Veröffentlicht: (2025)

Do Vision Language Models Understand Human Engagement in Games?
von: Wang, Ziyi, et al.
Veröffentlicht: (2026)

GUIDE: A Benchmark for Understanding and Assisting Users in Open-Ended GUI Tasks
von: Yang, Saelyne, et al.
Veröffentlicht: (2026)

Face-LLaVA: Facial Expression and Attribute Understanding through Instruction Tuning
von: Chaubey, Ashutosh, et al.
Veröffentlicht: (2025)

VideoSeeker: Incentivizing Instance-level Video Understanding via Native Agentic Tool Invocation
von: Zhao, Yiming, et al.
Veröffentlicht: (2026)

See What I Mean: Aligning Vision and Language Representations for Video Fine-grained Object Understanding
von: Sun, Boyuan, et al.
Veröffentlicht: (2026)

A Comprehensive Literature Review on Sweet Orange Leaf Diseases
von: Emon, Yousuf Rayhan, et al.
Veröffentlicht: (2023)

DiMo-GUI: Advancing Test-time Scaling in GUI Grounding via Modality-Aware Visual Reasoning
von: Wu, Hang, et al.
Veröffentlicht: (2025)

Thing2Reality: Transforming 2D Content into Conditioned Multiviews and 3D Gaussian Objects for XR Communication
von: Hu, Erzhen, et al.
Veröffentlicht: (2024)

Can Vision-Language Models Understand and Interpret Dynamic Gestures from Pedestrians? Pilot Datasets and Exploration Towards Instructive Nonverbal Commands for Cooperative Autonomous Vehicles
von: Bossen, Tonko E. W., et al.
Veröffentlicht: (2025)

Enhancing Online Learning by Integrating Biosensors and Multimodal Learning Analytics for Detecting and Predicting Student Behavior: A Review
von: Becerra, Alvaro, et al.
Veröffentlicht: (2025)

A Backbone for Long-Horizon Robot Task Understanding
von: Chen, Xiaoshuai, et al.
Veröffentlicht: (2024)

Lightweight Structured Multimodal Reasoning for Clinical Scene Understanding in Robotics
von: Jha, Saurav, et al.
Veröffentlicht: (2025)

GPT-5 Model Corrected GPT-4V's Chart Reading Errors, Not Prompting
von: Yang, Kaichun, et al.
Veröffentlicht: (2025)

ObjectGS: Object-aware Scene Reconstruction and Scene Understanding via Gaussian Splatting
von: Zhu, Ruijie, et al.
Veröffentlicht: (2025)

Five Years of SciCap: What We Learned and Future Directions for Scientific Figure Captioning
von: Huang, Ting-Hao 'Kenneth', et al.
Veröffentlicht: (2025)

Panda or not Panda? Understanding Adversarial Attacks with Interactive Visualization
von: You, Yuzhe, et al.
Veröffentlicht: (2023)

RWKV-UI: UI Understanding with Enhanced Perception and Reasoning
von: Yang, Jiaxi, et al.
Veröffentlicht: (2025)

UI-TARS-2 Technical Report: Advancing GUI Agent with Multi-Turn Reinforcement Learning
von: Wang, Haoming, et al.
Veröffentlicht: (2025)

Skeleton-Based Transformer for Classification of Errors and Better Feedback in Low Back Pain Physical Rehabilitation Exercises
von: Marusic, Aleksa, et al.
Veröffentlicht: (2025)

GLIMPSE : Real-Time Text Recognition and Contextual Understanding for VQA in Wearables
von: Ramachandran, Akhil, et al.
Veröffentlicht: (2026)

Beyond Object Categories: Multi-Attribute Reference Understanding for Visual Grounding
von: Guo, Hao, et al.
Veröffentlicht: (2025)

SimVecVis: A Dataset for Enhancing MLLMs in Visualization Understanding
von: Liu, Can, et al.
Veröffentlicht: (2025)

VLLMs Provide Better Context for Emotion Understanding Through Common Sense Reasoning
von: Xenos, Alexandros, et al.
Veröffentlicht: (2024)

Do MLLMs Understand Pointing? Benchmarking and Enhancing Referential Reasoning in Egocentric Vision
von: Li, Chentao, et al.
Veröffentlicht: (2026)

SyriSign: A Parallel Corpus for Arabic Text to Syrian Arabic Sign Language Translation
von: Khalil, Mohammad Amer, et al.
Veröffentlicht: (2026)

ViT-Explainer: An Interactive Walkthrough of the Vision Transformer Pipeline
von: Hernandez, Juan Manuel, et al.
Veröffentlicht: (2026)

Beware of Validation by Eye: Visual Validation of Linear Trends in Scatterplots
von: Braun, Daniel, et al.
Veröffentlicht: (2024)

LLM4Brain: Training a Large Language Model for Brain Video Understanding
von: Zheng, Ruizhe, et al.
Veröffentlicht: (2024)