Buchumschlag

Towards Self-Explainable Document Visual Question Answering with Chain-of-Explanation Predictions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Indrehus, Kjetil, Duric, Adrian, Choi, Changkyu, Ramezani-Kebrya, Ali
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DocVXQA: Context-Aware Visual Explanations for Document Question Answering
von: Souibgui, Mohamed Ali, et al.
Veröffentlicht: (2025)

Spatially Grounded Explanations in Vision Language Models for Document Visual Question Answering
von: Lagos, Maximiliano Hormazábal, et al.
Veröffentlicht: (2025)

Privacy-Aware Document Visual Question Answering
von: Tito, Rubèn, et al.
Veröffentlicht: (2023)

Questioning the Stability of Visual Question Answering
von: Rosenfeld, Amir, et al.
Veröffentlicht: (2025)

TPCL: Task Progressive Curriculum Learning for Robust Visual Question Answering
von: Akl, Ahmed, et al.
Veröffentlicht: (2024)

BERT-VQA: Visual Question Answering on Plots
von: Vu, Tai, et al.
Veröffentlicht: (2025)

Perception First: A Frontier Native-Video Model with Self-Consistency for Implicit Video Question Answering
von: Alavi, Ali
Veröffentlicht: (2026)

ProtoVQA: An Adaptable Prototypical Framework for Explainable Fine-Grained Visual Question Answering
von: Diao, Xingjian, et al.
Veröffentlicht: (2025)

Answering Questions in Stages: Prompt Chaining for Contract QA
von: Roegiest, Adam, et al.
Veröffentlicht: (2024)

Federated Document Visual Question Answering: A Pilot Study
von: Nguyen, Khanh, et al.
Veröffentlicht: (2024)

Describe Anything Model for Visual Question Answering on Text-rich Images
von: Vu, Yen-Linh, et al.
Veröffentlicht: (2025)

RSAdapter: Adapting Multimodal Models for Remote Sensing Visual Question Answering
von: Wang, Yuduo, et al.
Veröffentlicht: (2023)

Learning to Compress Contexts for Efficient Knowledge-based Visual Question Answering
von: Weng, Weixi, et al.
Veröffentlicht: (2024)

COREVQA: A Crowd Observation and Reasoning Entailment Visual Question Answering Benchmark
von: Chintapatla, Ishant, et al.
Veröffentlicht: (2025)

ChainReaction: Causal Chain-Guided Reasoning for Modular and Explainable Causal-Why Video Question Answering
von: Parmar, Paritosh, et al.
Veröffentlicht: (2025)

Towards Fine-Grained Video Question Answering
von: Dai, Wei, et al.
Veröffentlicht: (2025)

Vision-Language Models for Medical Report Generation and Visual Question Answering: A Review
von: Hartsock, Iryna, et al.
Veröffentlicht: (2024)

TLG: Temporal-Logic Grounding for Video Question Answering via Source-Annotation Reconstruction and Category-Targeted Reasoning
von: Alavi, Ali
Veröffentlicht: (2026)

The Gaussian Discriminant Variational Autoencoder (GdVAE): A Self-Explainable Model with Counterfactual Explanations
von: Haselhoff, Anselm, et al.
Veröffentlicht: (2024)

SViQA: A Unified Speech-Vision Multimodal Model for Textless Visual Question Answering
von: Li, Bingxin
Veröffentlicht: (2025)

Exploring the Effectiveness of Object-Centric Representations in Visual Question Answering: Comparative Insights with Foundation Models
von: Mamaghan, Amir Mohammad Karimi, et al.
Veröffentlicht: (2024)

Exploring Diverse Methods in Visual Question Answering
von: Li, Panfeng, et al.
Veröffentlicht: (2024)

STLLaVA-Med: Self-Training Large Language and Vision Assistant for Medical Question-Answering
von: Sun, Guohao, et al.
Veröffentlicht: (2024)

ViInfographicVQA: A Benchmark for Single and Multi-image Visual Question Answering on Vietnamese Infographics
von: Van-Dinh, Tue-Thu, et al.
Veröffentlicht: (2025)

Evaluating Zero-Shot GPT-4V Performance on 3D Visual Question Answering Benchmarks
von: Singh, Simranjit, et al.
Veröffentlicht: (2024)

RECODE: Reasoning Through Code Generation for Visual Question Answering
von: Shen, Junhong, et al.
Veröffentlicht: (2025)

Towards Multilingual Audio-Visual Question Answering
von: Phukan, Orchid Chetia, et al.
Veröffentlicht: (2024)

Expert Knowledge-Aware Image Difference Graph Representation Learning for Difference-Aware Medical Visual Question Answering
von: Hu, Xinyue, et al.
Veröffentlicht: (2023)

Enhancing Visual Question Answering through Ranking-Based Hybrid Training and Multimodal Fusion
von: Chen, Peiyuan, et al.
Veröffentlicht: (2024)

Multimodal Rationales for Explainable Visual Question Answering
von: Li, Kun, et al.
Veröffentlicht: (2024)

Aligning Human Knowledge with Visual Concepts Towards Explainable Medical Image Classification
von: Gao, Yunhe, et al.
Veröffentlicht: (2024)

CVQA: Culturally-diverse Multilingual Visual Question Answering Benchmark
von: Romero, David, et al.
Veröffentlicht: (2024)

Find The Gap: Knowledge Base Reasoning For Visual Question Answering
von: Barezi, Elham J., et al.
Veröffentlicht: (2024)

CL-MoE: Enhancing Multimodal Large Language Model with Dual Momentum Mixture-of-Experts for Continual Visual Question Answering
von: Huai, Tianyu, et al.
Veröffentlicht: (2025)

MM-Prompt: Cross-Modal Prompt Tuning for Continual Visual Question Answering
von: Li, Xu, et al.
Veröffentlicht: (2025)

CausalChaos! Dataset for Comprehensive Causal Action Question Answering Over Longer Causal Chains Grounded in Dynamic Visual Scenes
von: Parmar, Paritosh, et al.
Veröffentlicht: (2024)

Prophet: Prompting Large Language Models with Complementary Answer Heuristics for Knowledge-based Visual Question Answering
von: Yu, Zhou, et al.
Veröffentlicht: (2023)

Improving Video Question Answering through query-based frame selection
von: Patil, Himanshu, et al.
Veröffentlicht: (2026)

Enhancing Multi-Image Question Answering via Submodular Subset Selection
von: Sharma, Aaryan, et al.
Veröffentlicht: (2025)

Right Predictions, Misleading Explanations: On the Vulnerability of Vision-Language Model Explanations
von: Babadi, Narges, et al.
Veröffentlicht: (2026)