计算机科学 > 计算与语言
[提交于 2025年1月4日
(v1)
,最后修订 2025年3月10日 (此版本, v2)]
标题: 视觉丰富文档上的问答调查:方法、挑战与趋势
标题: Survey on Question Answering over Visually Rich Documents: Methods, Challenges, and Trends
摘要: 视觉丰富文档理解领域,涉及与视觉丰富文档(无论是扫描的还是原生数字的)进行交互,正在迅速发展,但在处理流程的几个关键方面仍缺乏共识。 在本工作中,我们提供了最先进的方法的全面概述,强调它们的优势和局限性,指出了该领域的主要挑战,并提出了有前景的研究方向。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.