MDPBench: A Benchmark for Multilingual Document Parsing in Real-World Scenarios
Fuente:
arXiv
Salvato in:
| Autori principali: | Li, Zhang, Lin, Zhibo, Liu, Qiang, Zhang, Ziyang, Zhang, Shuo, Guo, Zidun, Song, Jiajun, Zhang, Jiarui, Bai, Xiang, Liu, Yuliang |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
MonkeyOCR: Document Parsing with a Structure-Recognition-Relation Triplet Paradigm
di: Li, Zhang, et al.
Pubblicazione: (2025)
di: Li, Zhang, et al.
Pubblicazione: (2025)
TextMonkey: An OCR-Free Large Multimodal Model for Understanding Document
di: Liu, Yuliang, et al.
Pubblicazione: (2024)
di: Liu, Yuliang, et al.
Pubblicazione: (2024)
MonkeyOCR v1.5 Technical Report: Unlocking Robust Document Parsing for Complex Patterns
di: Zhang, Jiarui, et al.
Pubblicazione: (2025)
di: Zhang, Jiarui, et al.
Pubblicazione: (2025)
DocThinker: Explainable Multimodal Large Language Models with Rule-based Reinforcement Learning for Document Understanding
di: Yu, Wenwen, et al.
Pubblicazione: (2025)
di: Yu, Wenwen, et al.
Pubblicazione: (2025)
Multimodal OCR: Parse Anything from Documents
di: Zheng, Handong, et al.
Pubblicazione: (2026)
di: Zheng, Handong, et al.
Pubblicazione: (2026)
OmniParser V2: Structured-Points-of-Thought for Unified Visual Text Parsing and Its Generality to Multimodal Large Language Models
di: Yu, Wenwen, et al.
Pubblicazione: (2025)
di: Yu, Wenwen, et al.
Pubblicazione: (2025)
dots.ocr: Multilingual Document Layout Parsing in a Single Vision-Language Model
di: Li, Yumeng, et al.
Pubblicazione: (2025)
di: Li, Yumeng, et al.
Pubblicazione: (2025)
How Far Is Document Parsing from Solved? PureDocBench: A Source-TraceableBenchmark across Clean, Degraded, and Real-World Settings
di: Li, Zhiheng, et al.
Pubblicazione: (2026)
di: Li, Zhiheng, et al.
Pubblicazione: (2026)
ParseBench: A Document Parsing Benchmark for AI Agents
di: Zhang, Boyang, et al.
Pubblicazione: (2026)
di: Zhang, Boyang, et al.
Pubblicazione: (2026)
PaddleOCR-VL: Boosting Multilingual Document Parsing via a 0.9B Ultra-Compact Vision-Language Model
di: Cui, Cheng, et al.
Pubblicazione: (2025)
di: Cui, Cheng, et al.
Pubblicazione: (2025)
Towards Real-World Document Parsing via Realistic Scene Synthesis and Document-Aware Training
di: Li, Gengluo, et al.
Pubblicazione: (2026)
di: Li, Gengluo, et al.
Pubblicazione: (2026)
Toward Generalizable Deblurring: Leveraging Massive Blur Priors with Linear Attention for Real-World Scenarios
di: Gao, Yuanting, et al.
Pubblicazione: (2026)
di: Gao, Yuanting, et al.
Pubblicazione: (2026)
Dataset and Benchmark for Urdu Natural Scenes Text Detection, Recognition and Visual Question Answering
di: Maryam, Hiba, et al.
Pubblicazione: (2024)
di: Maryam, Hiba, et al.
Pubblicazione: (2024)
PhoStream: Benchmarking Real-World Streaming for Omnimodal Assistants in Mobile Scenarios
di: Lu, Xudong, et al.
Pubblicazione: (2026)
di: Lu, Xudong, et al.
Pubblicazione: (2026)
SemiETS: Integrating Spatial and Content Consistencies for Semi-Supervised End-to-end Text Spotting
di: Luo, Dongliang, et al.
Pubblicazione: (2025)
di: Luo, Dongliang, et al.
Pubblicazione: (2025)
What-If World: A Causal Benchmark for General World Models in Embodied Scenarios
di: Cai, Kunlin, et al.
Pubblicazione: (2026)
di: Cai, Kunlin, et al.
Pubblicazione: (2026)
MME-RealWorld: Could Your Multimodal LLM Challenge High-Resolution Real-World Scenarios that are Difficult for Humans?
di: Zhang, Yi-Fan, et al.
Pubblicazione: (2024)
di: Zhang, Yi-Fan, et al.
Pubblicazione: (2024)
Monkey: Image Resolution and Text Label Are Important Things for Large Multi-modal Models
di: Li, Zhang, et al.
Pubblicazione: (2023)
di: Li, Zhang, et al.
Pubblicazione: (2023)
LIRA: Inferring Segmentation in Large Multi-modal Models with Local Interleaved Region Assistance
di: Li, Zhang, et al.
Pubblicazione: (2025)
di: Li, Zhang, et al.
Pubblicazione: (2025)
OmniGround: A Comprehensive Spatio-Temporal Grounding Benchmark for Real-World Complex Scenarios
di: Gao, Hong, et al.
Pubblicazione: (2025)
di: Gao, Hong, et al.
Pubblicazione: (2025)
MSTAR: Box-free Multi-query Scene Text Retrieval with Attention Recycling
di: Yin, Liang, et al.
Pubblicazione: (2025)
di: Yin, Liang, et al.
Pubblicazione: (2025)
CBVS: A Large-Scale Chinese Image-Text Benchmark for Real-World Short Video Search Scenarios
di: Qiao, Xiangshuo, et al.
Pubblicazione: (2024)
di: Qiao, Xiangshuo, et al.
Pubblicazione: (2024)
Boosting Document Parsing Efficiency and Performance with Coarse-to-Fine Visual Processing
di: Cui, Cheng, et al.
Pubblicazione: (2026)
di: Cui, Cheng, et al.
Pubblicazione: (2026)
MTVQA: Benchmarking Multilingual Text-Centric Visual Question Answering
di: Tang, Jingqun, et al.
Pubblicazione: (2024)
di: Tang, Jingqun, et al.
Pubblicazione: (2024)
Stable-Hair: Real-World Hair Transfer via Diffusion Model
di: Zhang, Yuxuan, et al.
Pubblicazione: (2024)
di: Zhang, Yuxuan, et al.
Pubblicazione: (2024)
Remote Photoplethysmography in Real-World and Extreme Lighting Scenarios
di: Shao, Hang, et al.
Pubblicazione: (2025)
di: Shao, Hang, et al.
Pubblicazione: (2025)
PartGLEE: A Foundation Model for Recognizing and Parsing Any Objects
di: Li, Junyi, et al.
Pubblicazione: (2024)
di: Li, Junyi, et al.
Pubblicazione: (2024)
Real5-OmniDocBench: A Full-Scale Physical Reconstruction Benchmark for Robust Document Parsing in the Wild
di: Zhou, Changda, et al.
Pubblicazione: (2026)
di: Zhou, Changda, et al.
Pubblicazione: (2026)
OmniDocBench: Benchmarking Diverse PDF Document Parsing with Comprehensive Annotations
di: Ouyang, Linke, et al.
Pubblicazione: (2024)
di: Ouyang, Linke, et al.
Pubblicazione: (2024)
Stanford-ORB: A Real-World 3D Object Inverse Rendering Benchmark
di: Kuang, Zhengfei, et al.
Pubblicazione: (2023)
di: Kuang, Zhengfei, et al.
Pubblicazione: (2023)
SciFlow-Bench: Evaluating Structure-Aware Scientific Diagram Generation via Inverse Parsing
di: Zhang, Tong, et al.
Pubblicazione: (2026)
di: Zhang, Tong, et al.
Pubblicazione: (2026)
Dr. DocBench: A Comprehensive Benchmark for Expert-Level and Difficult Document Parsing
di: Yang, Minglai, et al.
Pubblicazione: (2026)
di: Yang, Minglai, et al.
Pubblicazione: (2026)
One-Shot Multilingual Font Generation Via ViT
di: Wang, Zhiheng, et al.
Pubblicazione: (2024)
di: Wang, Zhiheng, et al.
Pubblicazione: (2024)
World2VLM: Distilling World Model Imagination into VLMs for Dynamic Spatial Reasoning
di: Zhang, Wanyue, et al.
Pubblicazione: (2026)
di: Zhang, Wanyue, et al.
Pubblicazione: (2026)
RealVLG-R1: A Large-Scale Real-World Visual-Language Grounding Benchmark for Robotic Perception and Manipulation
di: Li, Linfei, et al.
Pubblicazione: (2026)
di: Li, Linfei, et al.
Pubblicazione: (2026)
Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting
di: Feng, Hao, et al.
Pubblicazione: (2025)
di: Feng, Hao, et al.
Pubblicazione: (2025)
DOCR-Inspector: Fine-Grained and Automated Evaluation of Document Parsing with VLM
di: Zhang, Qintong, et al.
Pubblicazione: (2025)
di: Zhang, Qintong, et al.
Pubblicazione: (2025)
PaddleOCR-VL-1.5: Towards a Multi-Task 0.9B VLM for Robust In-the-Wild Document Parsing
di: Cui, Cheng, et al.
Pubblicazione: (2026)
di: Cui, Cheng, et al.
Pubblicazione: (2026)
Dolphin-v2: Universal Document Parsing via Scalable Anchor Prompting
di: Feng, Hao, et al.
Pubblicazione: (2026)
di: Feng, Hao, et al.
Pubblicazione: (2026)
Training-free Geometric Image Editing on Diffusion Models
di: Zhu, Hanshen, et al.
Pubblicazione: (2025)
di: Zhu, Hanshen, et al.
Pubblicazione: (2025)
Documenti analoghi
-
MonkeyOCR: Document Parsing with a Structure-Recognition-Relation Triplet Paradigm
di: Li, Zhang, et al.
Pubblicazione: (2025) -
TextMonkey: An OCR-Free Large Multimodal Model for Understanding Document
di: Liu, Yuliang, et al.
Pubblicazione: (2024) -
MonkeyOCR v1.5 Technical Report: Unlocking Robust Document Parsing for Complex Patterns
di: Zhang, Jiarui, et al.
Pubblicazione: (2025) -
DocThinker: Explainable Multimodal Large Language Models with Rule-based Reinforcement Learning for Document Understanding
di: Yu, Wenwen, et al.
Pubblicazione: (2025) -
Multimodal OCR: Parse Anything from Documents
di: Zheng, Handong, et al.
Pubblicazione: (2026)