Buchumschlag

HalalBench: A Multilingual OCR Benchmark for Food Packaging Ingredient Extraction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Arief, Hasan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language I.7.5; I.2.7
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

BabelDOC: Better Layout-Preserving PDF Translation via Intermediate Representation
von: Yang, Qi, et al.
Veröffentlicht: (2026)

Enhancing OCR for Sino-Vietnamese Language Processing via Fine-tuned PaddleOCRv5
von: Nguyen, Minh Hoang, et al.
Veröffentlicht: (2025)

InterChart: Benchmarking Visual Reasoning Across Decomposed and Distributed Chart Information
von: Iyengar, Anirudh Iyengar Kaniyar Narayana, et al.
Veröffentlicht: (2025)

Large Language Models for Simultaneous Named Entity Extraction and Spelling Correction
von: Whittaker, Edward, et al.
Veröffentlicht: (2024)

A Multimodal Pipeline for Clinical Data Extraction: Applying Vision-Language Models to Scans of Transfusion Reaction Reports
von: Schäfer, Henning, et al.
Veröffentlicht: (2025)

Devanagari Handwritten Character Recognition using Convolutional Neural Network
von: Mehta, Diksha, et al.
Veröffentlicht: (2025)

Document Understanding for Healthcare Referrals
von: Mistry, Jimit, et al.
Veröffentlicht: (2023)

An accurate and revised version of optical character recognition-based speech synthesis using LabVIEW
von: Mehta, Prateek, et al.
Veröffentlicht: (2025)

Qwerty AI: Explainable Automated Age Rating and Content Safety Assessment for Russian-Language Screenplays
von: Zmanovskii, Nikita
Veröffentlicht: (2025)

Hydra: Unifying Document Retrieval and Generation in a Single Vision-Language Model
von: Georgiou, Athos
Veröffentlicht: (2026)

MM-Conv: A Multimodal Dataset and Benchmark for Context-Aware Grounding in 3D Dialogue
von: Deichler, Anna, et al.
Veröffentlicht: (2026)

Evaluation Before Generation: A Paradigm for Robust Multimodal Sentiment Analysis with Missing Modalities
von: Chen, Rongfei, et al.
Veröffentlicht: (2026)

Deep Learning based Key Information Extraction from Business Documents: Systematic Literature Review
von: Rombach, Alexander Michael, et al.
Veröffentlicht: (2024)

Proximity QA: Unleashing the Power of Multi-Modal Large Language Models for Spatial Proximity Analysis
von: Li, Jianing, et al.
Veröffentlicht: (2024)

Depthwise Separable Convolutions with Deep Residual Convolutions
von: Hasan, Md Arid, et al.
Veröffentlicht: (2024)

Multimodal Approaches for Visually-Rich Document Type Classification: A Comparative Analysis
von: Heyne, Catyana, et al.
Veröffentlicht: (2026)

GroundCap: A Visually Grounded Image Captioning Dataset
von: Oliveira, Daniel A. P., et al.
Veröffentlicht: (2025)

Emo3D: Metric and Benchmarking Dataset for 3D Facial Expression Generation from Emotion Description
von: Dehghani, Mahshid, et al.
Veröffentlicht: (2024)

RomanLens: The Role Of Latent Romanization In Multilinguality In LLMs
von: Saji, Alan, et al.
Veröffentlicht: (2025)

Self-Supervised Borrowing Detection on Multilingual Wordlists
von: Wientzek, Tim
Veröffentlicht: (2025)

More Than Meets the Eye: Measuring the Semiotic Gap in Vision-Language Models via Semantic Anchorage
von: He, Wei
Veröffentlicht: (2026)

Relative Drawing Identification Complexity is Invariant to Modality in Vision-Language Models
von: Freitas, Diogo, et al.
Veröffentlicht: (2025)

StoryReasoning Dataset: Using Chain-of-Thought for Scene Understanding and Grounded Story Generation
von: Oliveira, Daniel A. P., et al.
Veröffentlicht: (2025)

Towards Explainable Fake Image Detection with Multi-Modal Large Language Models
von: Ji, Yikun, et al.
Veröffentlicht: (2025)

Cinéaste: A Fine-grained Contextual Movie Question Answering Benchmark
von: Shah, Nisarg A., et al.
Veröffentlicht: (2025)

VLEU: a Method for Automatic Evaluation for Generalizability of Text-to-Image Models
von: Cao, Jingtao, et al.
Veröffentlicht: (2024)

FS-DAG: Few Shot Domain Adapting Graph Networks for Visually Rich Document Understanding
von: Agarwal, Amit, et al.
Veröffentlicht: (2025)

CCS: Clinical Consensus Selection for Radiology Report Generation
von: Zhang, Xi, et al.
Veröffentlicht: (2026)

GAEA: A Geolocation Aware Conversational Assistant
von: Campos, Ron, et al.
Veröffentlicht: (2025)

Towards Blind and Low-Vision Accessibility of Lightweight VLMs and Custom LLM-Evals
von: Baghel, Shruti Singh, et al.
Veröffentlicht: (2025)

The American Sign Language Knowledge Graph: Infusing ASL Models with Linguistic Knowledge
von: Kezar, Lee, et al.
Veröffentlicht: (2024)

VidNum-1.4K: A Comprehensive Benchmark for Video-based Numerical Reasoning
von: Cui, Shaoyang, et al.
Veröffentlicht: (2026)

Fine-Tuning Vision-Language Models for Understanding Current Damage and Scoring Priority with Quality Guard Agent
von: Yasuno, Takato
Veröffentlicht: (2026)

UVDoc: Neural Grid-based Document Unwarping
von: Verhoeven, Floor, et al.
Veröffentlicht: (2023)

Leveraging Large Language Models for Semantic Query Processing in a Scholarly Knowledge Graph
von: Jia, Runsong, et al.
Veröffentlicht: (2024)

Towards a Robust Framework for Multimodal Hate Detection: A Study on Video vs. Image-based Content
von: Koushik, Girish A., et al.
Veröffentlicht: (2025)

VALSE: A Task-Independent Benchmark for Vision and Language Models Centered on Linguistic Phenomena
von: Parcalabescu, Letitia, et al.
Veröffentlicht: (2021)

PaperAudit-Bench: Benchmarking Error Detection in Research Papers for Critical Automated Peer Review
von: Tu, Songjun, et al.
Veröffentlicht: (2026)

PlotPick: AI-powered batch extraction of numerical data from scientific figures
von: Carstensen, Tommy
Veröffentlicht: (2026)

CRISP: Persistent Concept Unlearning via Sparse Autoencoders
von: Ashuach, Tomer, et al.
Veröffentlicht: (2025)