Buchumschlag

RaV-IDP: A Reconstruction-as-Validation Framework for Faithful Intelligent Document Processing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Jha, Pritesh
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CT-IDP: Segmentation-Derived Quantitative Phenotypes for Interpretable Abdominal CT Disease Classification
von: Dahal, Lavsen, et al.
Veröffentlicht: (2026)

PaLMR: Towards Faithful Visual Reasoning via Multimodal Process Alignment
von: Li, Yantao, et al.
Veröffentlicht: (2026)

FaithfulFaces: Pose-Faithful Facial Identity Preservation for Text-to-Video Generation
von: Wang, Yuanzhi, et al.
Veröffentlicht: (2026)

LaRa: Efficient Large-Baseline Radiance Fields
von: Chen, Anpei, et al.
Veröffentlicht: (2024)

FaithSCAN: Model-Driven Single-Pass Hallucination Detection for Faithful Visual Question Answering
von: Tong, Chaodong, et al.
Veröffentlicht: (2026)

On the Faithfulness of Visual Thinking: Measurement and Enhancement
von: Liu, Zujing, et al.
Veröffentlicht: (2025)

FACE: Faithful Automatic Concept Extraction
von: Bhusal, Dipkamal, et al.
Veröffentlicht: (2025)

Stake the Points: Structure-Faithful Instance Unlearning
von: Hong, Kiseong, et al.
Veröffentlicht: (2026)

Towards Faithful Reasoning in Comics for Small MLLMs
von: Feng, Chengcheng, et al.
Veröffentlicht: (2026)

[Re] Improving Interpretation Faithfulness for Vision Transformers
von: Kurek, Izabela, et al.
Veröffentlicht: (2025)

MVMR: A New Framework for Evaluating Faithfulness of Video Moment Retrieval against Multiple Distractors
von: Yang, Nakyeong, et al.
Veröffentlicht: (2023)

RaPD: Resolution-Agnostic Pixel Diffusion via Semantics-Enriched Implicit Representations
von: Ge, Yanhao, et al.
Veröffentlicht: (2026)

Artificial Intelligence in Gastrointestinal Bleeding Analysis for Video Capsule Endoscopy: Insights, Innovations, and Prospects (2008-2023)
von: Singh, Tanisha, et al.
Veröffentlicht: (2024)

RaVL: Discovering and Mitigating Spurious Correlations in Fine-Tuned Vision-Language Models
von: Varma, Maya, et al.
Veröffentlicht: (2024)

RaDL: Relation-aware Disentangled Learning for Multi-Instance Text-to-Image Generation
von: Park, Geon, et al.
Veröffentlicht: (2025)

V-Zen: Efficient GUI Understanding and Precise Grounding With A Novel Multimodal LLM
von: Rahman, Abdur, et al.
Veröffentlicht: (2024)

INFACT: A Diagnostic Benchmark for Induced Faithfulness and Factuality Hallucinations in Video-LLMs
von: Yang, Junqi, et al.
Veröffentlicht: (2026)

SPD-Faith Bench: Diagnosing and Improving Faithfulness in Chain-of-Thought for Multimodal Large Language Models
von: Lv, Weijiang, et al.
Veröffentlicht: (2026)

SAM-Sode: Towards Faithful Explanations for Tiny Bacteria Detection
von: Tan, Wanying, et al.
Veröffentlicht: (2026)

V-IRL: Grounding Virtual Intelligence in Real Life
von: Yang, Jihan, et al.
Veröffentlicht: (2024)

AKiRa: Augmentation Kit on Rays for optical video generation
von: Wang, Xi, et al.
Veröffentlicht: (2024)

Uni-RS: A Spatially Faithful Unified Understanding and Generation Model for Remote Sensing
von: Zhang, Weiyu, et al.
Veröffentlicht: (2026)

Robust Kidney Abnormality Segmentation: A Validation Study of an AI-Based Framework
von: de Boer, Sarah, et al.
Veröffentlicht: (2025)

Design and Validation of a Responsible Artificial Intelligence-based System for the Referral of Diabetic Retinopathy Patients
von: Moya-Sánchez, E. Ulises, et al.
Veröffentlicht: (2025)

Toward Faithful Segmentation Attribution via Benchmarking and Dual-Evidence Fusion
von: Sakib, Abu Noman Md, et al.
Veröffentlicht: (2026)

Explanation-Driven Counterfactual Testing for Faithfulness in Vision-Language Model Explanations
von: Ding, Sihao, et al.
Veröffentlicht: (2025)

Causal-Adapter: Taming Text-to-Image Diffusion for Faithful Counterfactual Generation
von: Tong, Lei, et al.
Veröffentlicht: (2025)

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

Agentic Video Intelligence: A Flexible Framework for Advanced Video Exploration and Understanding
von: Gao, Hong, et al.
Veröffentlicht: (2025)

EasyV2V: A High-quality Instruction-based Video Editing Framework
von: Mai, Jinjie, et al.
Veröffentlicht: (2025)

RanLayNet: A Dataset for Document Layout Detection used for Domain Adaptation and Generalization
von: Anand, Avinash, et al.
Veröffentlicht: (2024)

GCE-MIL: Faithful and Recoverable Evidence for Multiple Instance Learning in Whole-Slide Imaging
von: Li, Xiangyu, et al.
Veröffentlicht: (2026)

A Graph Attention Network-Based Framework for Reconstructing Missing LiDAR Beams
von: Awedat, Khalfalla, et al.
Veröffentlicht: (2025)

NeuRodin: A Two-stage Framework for High-Fidelity Neural Surface Reconstruction
von: Wang, Yifan, et al.
Veröffentlicht: (2024)

FaithFill: Faithful Inpainting for Object Completion Using a Single Reference Image
von: Mallick, Rupayan, et al.
Veröffentlicht: (2024)

Neural Slot Interpreters: Grounding Object Semantics in Emergent Slot Representations
von: Dedhia, Bhishma, et al.
Veröffentlicht: (2024)

GL-PGENet: A Parameterized Generation Framework for Robust Document Image Enhancement
von: Tang, Zhihong
Veröffentlicht: (2025)

VinaBench: Benchmark for Faithful and Consistent Visual Narratives
von: Gao, Silin, et al.
Veröffentlicht: (2025)

RaGS: Unleashing 3D Gaussian Splatting from 4D Radar and Monocular Cues for 3D Object Detection
von: Bai, Xiaokai, et al.
Veröffentlicht: (2025)

M-Gaussian: An Magnetic Gaussian Framework for Efficient Multi-Stack MRI Reconstruction
von: Zheng, Kangyuan, et al.
Veröffentlicht: (2026)