DocIntent に関する報道

DocIntent は、実際のドキュメント VQA におけるぼやけやシャドウイングなどの劣化の問題に対処するために、応答性ガイドに基づいたエージェント回復フレームワークを提案します。一般的な画質を最適化する既存の復元方法とは異なり、VQA タスクの応答性を復元目標として直接採用するため、復元は下流のタスクに役立ちます。これは、エージェントによる回復が自然なイメージからドキュメントのタスク駆動に移行し、MLLM ドキュメントの質問と回答に新しいアイデアを提供することを意味します。