arXiv · NLP· Zhihang Yi, Jian Zhao, Jiancheng Lv, Tao Wang·· 13 小时前AI 评分37
MLLM 图表理解中的多模态信息融合:综述其演进、局限与认知增强
Multimodal Information Fusion for Chart Understanding: A Survey of MLLMs -- Evolution, Limitations, and Cognitive Enhancement
AI 导读
该综述系统梳理了多模态大语言模型(MLLMs)在图表理解任务中的多模态信息融合现状。 文章构建了包含经典与非常规基准的新分类法,并回顾了从经典深度学习到 MLLM 范式的方法演进,同时指出当前模型在感知与推理上的局限。 研究提出通过高级对齐技术和强化学习来增强认知能力,旨在推动图表分析系统向更稳健可靠的方向发展。
来源:arXiv · NLP · arxiv.org