会员服务
Vision Token Masking Alone Cannot Prevent PHI Leakage in Medical Document OCR: A Systematic Evaluation
Arxiv
0+阅读 · 11月23日
RubricRL: Simple Generalizable Rewards for Text-to-Image Generation
Arxiv
0+阅读 · 11月25日
VTCBench: Can Vision-Language Models Understand Long Context with Vision-Text Compression?
Arxiv
0+阅读 · 12月17日
Cascaded Robust Rectification for Arbitrary Document Images
Arxiv
0+阅读 · 11月28日
Beyond Patch Aggregation: 3-Pass Pyramid Indexing for Vision-Enhanced Document Retrieval
Arxiv
0+阅读 · 11月26日
DKDS: A Benchmark Dataset of Degraded Kuzushiji Documents with Seals for Detection and Binarization
Arxiv
0+阅读 · 12月18日
GLYPH-SR: Can We Achieve Both High-Quality Image Super-Resolution and High-Fidelity Text Recovery via VLM-guided Latent Diffusion Model?
Arxiv
0+阅读 · 10月30日
Multi-Stage Field Extraction of Financial Documents with OCR and Compact Vision-Language Models
Arxiv
0+阅读 · 10月27日
olmOCR 2: Unit Test Rewards for Document OCR
olmOCR 2: Unit Test Rewards for Document OCR
Arxiv
0+阅读 · 10月22日
Uni-MuMER: Unified Multi-Task Fine-Tuning of Vision-Language Model for Handwritten Mathematical Expression Recognition
Arxiv
0+阅读 · 10月22日
Aesthetics is Cheap, Show me the Text: An Empirical Evaluation of State-of-the-Art Generative Models for OCR
Arxiv
0+阅读 · 10月20日
ClapperText: A Benchmark for Text Recognition in Low-Resource Archival Documents
Arxiv
0+阅读 · 10月17日
End-to-End Semantic Preservation in Text-Aware Image Compression Systems
Arxiv
0+阅读 · 10月15日
When Vision Fails: Text Attacks Against ViT and OCR
Arxiv
0+阅读 · 10月11日
Look before Transcription: End-to-End SlideASR with Visually-Anchored Policy Optimization
Arxiv
0+阅读 · 10月8日
参考链接
微信扫码咨询专知VIP会员
Top