视觉大模型 / VLM

AltChart: Enhancing VLM-based Chart Summarization Through Multi-Pretext Tasks

AltChart: 通过多预训练任务增强基于视觉语言模型的图表摘要

Omar Moured, Jiaming Zhang, M. Saquib Sarfraz, Rainer Stiefelhagen

专题命中 文档图表理解 ：VLM(title)；vision-language model(abstract)；分类 cs.CV

AI总结 本文提出AltChart数据集和方法，通过多预训练任务提升VLM在图表摘要中的表现，评估四种主流模型的可访问性。

Comments Concerns about reproducibility of the train results and dataset availability

HighlightBench: Benchmarking Markup-Driven Table Reasoning in Scientific Documents

HighlightBench：科学文档中基于标记的表格推理基准测试

Lexin Wang, Shenghua Liu, Yiwei Wang, Yujun Cai, Yuyao Ge, Jiayu Yao, Jiafeng Guo, Xueqi Cheng

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of California, Merced（加州大学默塞德分校） ； University of Queensland（昆士兰大学） 纠错

专题命中 文档图表理解 ：grounding(abstract)；multimodal large language model(abstract)；分类 cs.CV

AI总结 本文提出HighlightBench，用于评估文档中基于标记的表格推理能力，通过五个任务家族分解评估，并提供可复现的基准流程，揭示模型在视觉提示与符号推理一致性下的稳定性问题。

A$^3$: Towards Advertising Aesthetic Assessment

A$^3$：迈向广告审美评估

Kaiyuan Ji, Yixuan Gao, Lu Sun, Yushuo Zheng, Zijian Chen, Jianbo Zhang, Xiangyang Zhu, Yuan Tian, Zicheng Zhang, Guangtao Zhai

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Institute of Image Communication and Network Engineering, Shanghai Jiao Tong University（上海交通大学图像通信与网络工程研究所） ； School of Information and Electronic Engineering, East China Normal University（华东师范大学信息与电子工程学院） ； School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） 纠错

专题命中 文档图表理解 ：multimodal large language model(abstract)；分类 cs.CV

AI总结 本文提出A$^3$框架，通过理论驱动的A$^3$-Law、大规模标注数据集A$^3$-Dataset、多模态大语言模型A$^3$-Align及基准A$^3$-Bench，解决广告审美评估中主观性、缺乏标准等问题。

Comments Accepted to CVPR 2026