AdaDocVQA: Adaptive Framework for Long Document Visual Question Answering in Low-Resource Settings
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Li, Haoxuan, Song, Wei, Liu, Aofan, Qin, Peiwu |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
DBF-UNet: A Two-Stage Framework for Carotid Artery Segmentation with Pseudo-Label Generation
par: Li, Haoxuan, et autres
Publié: (2025)
par: Li, Haoxuan, et autres
Publié: (2025)
DocTabQA: Answering Questions from Long Documents Using Tables
par: Wang, Haochen, et autres
Publié: (2024)
par: Wang, Haochen, et autres
Publié: (2024)
Doc-V*:Coarse-to-Fine Interactive Visual Reasoning for Multi-Page Document VQA
par: Zheng, Yuanlei, et autres
Publié: (2026)
par: Zheng, Yuanlei, et autres
Publié: (2026)
MM-Doc-R1: Training Agents for Long Document Visual Question Answering through Multi-turn Reinforcement Learning
par: Lin, Jiahang, et autres
Publié: (2026)
par: Lin, Jiahang, et autres
Publié: (2026)
CommVQA: Situating Visual Question Answering in Communicative Contexts
par: Naik, Nandita Shankar, et autres
Publié: (2024)
par: Naik, Nandita Shankar, et autres
Publié: (2024)
MAGIC-VQA: Multimodal And Grounded Inference with Commonsense Knowledge for Visual Question Answering
par: Yang, Shuo, et autres
Publié: (2025)
par: Yang, Shuo, et autres
Publié: (2025)
BOK-VQA: Bilingual outside Knowledge-Based Visual Question Answering via Graph Representation Pretraining
par: Kim, Minjun, et autres
Publié: (2024)
par: Kim, Minjun, et autres
Publié: (2024)
BoundingDocs: a Unified Dataset for Document Question Answering with Spatial Annotations
par: Giovannini, Simone, et autres
Publié: (2025)
par: Giovannini, Simone, et autres
Publié: (2025)
DocMIA: Document-Level Membership Inference Attacks against DocVQA Models
par: Nguyen, Khanh, et autres
Publié: (2025)
par: Nguyen, Khanh, et autres
Publié: (2025)
FlowVQA: Mapping Multimodal Logic in Visual Question Answering with Flowcharts
par: Singh, Shubhankar, et autres
Publié: (2024)
par: Singh, Shubhankar, et autres
Publié: (2024)
UCSF-PDGM-VQA: Visual Question Answering dataset for brain tumor MRI interpretation
par: Ghosh, Shiv, et autres
Publié: (2026)
par: Ghosh, Shiv, et autres
Publié: (2026)
DocLens : A Tool-Augmented Multi-Agent Framework for Long Visual Document Understanding
par: Zhu, Dawei, et autres
Publié: (2025)
par: Zhu, Dawei, et autres
Publié: (2025)
Multilingual Question Answering in Low-Resource Settings: A Dzongkha-English Benchmark for Foundation Models
par: Hosain, Md. Tanzib, et autres
Publié: (2025)
par: Hosain, Md. Tanzib, et autres
Publié: (2025)
MMLongBench-Doc: Benchmarking Long-context Document Understanding with Visualizations
par: Ma, Yubo, et autres
Publié: (2024)
par: Ma, Yubo, et autres
Publié: (2024)
VQA-MHUG: A Gaze Dataset to Study Multimodal Neural Attention in Visual Question Answering
par: Sood, Ekta, et autres
Publié: (2021)
par: Sood, Ekta, et autres
Publié: (2021)
Adversarial Attacks on VQA-NLE: Exposing and Alleviating Inconsistencies in Visual Question Answering Explanations
par: Yeh, Yahsin, et autres
Publié: (2025)
par: Yeh, Yahsin, et autres
Publié: (2025)
Contexts are Never Long Enough: Structured Reasoning for Scalable Question Answering over Long Document Sets
par: Joshi, Harshit, et autres
Publié: (2026)
par: Joshi, Harshit, et autres
Publié: (2026)
LongSumEval: Question-Answering Based Evaluation and Feedback-Driven Refinement for Long Document Summarization
par: Nguyen, Huyen, et autres
Publié: (2026)
par: Nguyen, Huyen, et autres
Publié: (2026)
LongHealth: A Question Answering Benchmark with Long Clinical Documents
par: Adams, Lisa, et autres
Publié: (2024)
par: Adams, Lisa, et autres
Publié: (2024)
OmniRAG-Agent: Agentic Omnimodal Reasoning for Low-Resource Long Audio-Video Question Answering
par: Zhu, Yifan, et autres
Publié: (2026)
par: Zhu, Yifan, et autres
Publié: (2026)
DSAS: A Universal Plug-and-Play Framework for Attention Optimization in Multi-Document Question Answering
par: Li, Jiakai, et autres
Publié: (2025)
par: Li, Jiakai, et autres
Publié: (2025)
MARA: A Multimodal Adaptive Retrieval-Augmented Framework for Document Question Answering
par: Wu, Hui, et autres
Publié: (2026)
par: Wu, Hui, et autres
Publié: (2026)
Localizing and Mitigating Errors in Long-form Question Answering
par: Sachdeva, Rachneet, et autres
Publié: (2024)
par: Sachdeva, Rachneet, et autres
Publié: (2024)
RadImageNet-VQA: A Large-Scale CT and MRI Dataset for Radiologic Visual Question Answering
par: Butsanets, Léo, et autres
Publié: (2025)
par: Butsanets, Léo, et autres
Publié: (2025)
FRAMES-VQA: Benchmarking Fine-Tuning Robustness across Multi-Modal Shifts in Visual Question Answering
par: Huang, Chengyue, et autres
Publié: (2025)
par: Huang, Chengyue, et autres
Publié: (2025)
Bridging the Gap between 2D and 3D Visual Question Answering: A Fusion Approach for 3D VQA
par: Mo, Wentao, et autres
Publié: (2024)
par: Mo, Wentao, et autres
Publié: (2024)
LongDocURL: a Comprehensive Multimodal Long Document Benchmark Integrating Understanding, Reasoning, and Locating
par: Deng, Chao, et autres
Publié: (2024)
par: Deng, Chao, et autres
Publié: (2024)
ALR$^2$: A Retrieve-then-Reason Framework for Long-context Question Answering
par: Li, Huayang, et autres
Publié: (2024)
par: Li, Huayang, et autres
Publié: (2024)
DocPruner: A Storage-Efficient Framework for Multi-Vector Visual Document Retrieval via Adaptive Patch-Level Embedding Pruning
par: Yan, Yibo, et autres
Publié: (2025)
par: Yan, Yibo, et autres
Publié: (2025)
Survey on Question Answering over Visually Rich Documents: Methods, Challenges, and Trends
par: Barboule, Camille, et autres
Publié: (2025)
par: Barboule, Camille, et autres
Publié: (2025)
Multi-Agent VQA: Exploring Multi-Agent Foundation Models in Zero-Shot Visual Question Answering
par: Jiang, Bowen, et autres
Publié: (2024)
par: Jiang, Bowen, et autres
Publié: (2024)
Tri-VQA: Triangular Reasoning Medical Visual Question Answering for Multi-Attribute Analysis
par: Fan, Lin, et autres
Publié: (2024)
par: Fan, Lin, et autres
Publié: (2024)
Decomposing Retrieval Failures in RAG for Long-Document Financial Question Answering
par: Kobeissi, Amine, et autres
Publié: (2026)
par: Kobeissi, Amine, et autres
Publié: (2026)
LLMs Meet Long Video: Advancing Long Video Question Answering with An Interactive Visual Adapter in LLMs
par: Li, Yunxin, et autres
Publié: (2024)
par: Li, Yunxin, et autres
Publié: (2024)
Selectively Answering Visual Questions
par: Eisenschlos, Julian Martin, et autres
Publié: (2024)
par: Eisenschlos, Julian Martin, et autres
Publié: (2024)
Paraphrase-Induced Output-Mode Collapse: When LLMs Break Character Under Semantically Equivalent Inputs
par: Liu, Aofan, et autres
Publié: (2026)
par: Liu, Aofan, et autres
Publié: (2026)
DocVXQA: Context-Aware Visual Explanations for Document Question Answering
par: Souibgui, Mohamed Ali, et autres
Publié: (2025)
par: Souibgui, Mohamed Ali, et autres
Publié: (2025)
Invoke Interfaces Only When Needed: Adaptive Invocation for Large Language Models in Question Answering
par: Zhao, Jihao, et autres
Publié: (2025)
par: Zhao, Jihao, et autres
Publié: (2025)
Passage Segmentation of Documents for Extractive Question Answering
par: Liu, Zuhong, et autres
Publié: (2025)
par: Liu, Zuhong, et autres
Publié: (2025)
PAKTON: A Multi-Agent Framework for Question Answering in Long Legal Agreements
par: Raptopoulos, Petros, et autres
Publié: (2025)
par: Raptopoulos, Petros, et autres
Publié: (2025)
Documents similaires
-
DBF-UNet: A Two-Stage Framework for Carotid Artery Segmentation with Pseudo-Label Generation
par: Li, Haoxuan, et autres
Publié: (2025) -
DocTabQA: Answering Questions from Long Documents Using Tables
par: Wang, Haochen, et autres
Publié: (2024) -
Doc-V*:Coarse-to-Fine Interactive Visual Reasoning for Multi-Page Document VQA
par: Zheng, Yuanlei, et autres
Publié: (2026) -
MM-Doc-R1: Training Agents for Long Document Visual Question Answering through Multi-turn Reinforcement Learning
par: Lin, Jiahang, et autres
Publié: (2026) -
CommVQA: Situating Visual Question Answering in Communicative Contexts
par: Naik, Nandita Shankar, et autres
Publié: (2024)