arXiv · cs.AI 人工智能· Yuheng Chen, Yufan Chen, Zhuojun Cai, Ruiping Liu, Junwei Zheng, Jiale Wei, Di Wen, Weijia Fan, Kunyu Peng, Jiaming Zhang, Rainer Stiefelhagen·· 4 小时前精选AI 评分62
Read-Parse-Describe：面向文档解析与视觉元素描述生成的统一数据集
Read, Parse, Describe: Unified Document Parsing with Visual Element Description Generation
AI 导读
作者提出 Read-Parse-Describe 统一数据集，要求模型对页面图像输出含边界框、语义标签、阅读顺序、文本内容与视觉元素替代文本的有序版面元素列表。
推荐理由
该基准把版面解析与视觉元素描述合并为单页级任务，并给出统一评测口径，便于比较端到端 VLM 与流水线解析器。
来源：arXiv · cs.AI 人工智能 · arxiv.org