DocVAL: Validated Chain-of-Thought Distillation for Grounded Document VQA
DocVAL:用于基于文档的视觉问答的验证链式思维蒸馏
机构 * Department of Computer Science(计算机科学系) ; Engineering, Ohio State University, Ohio, US(工程系,俄亥俄州立大学,俄亥俄,美国) ; Department of Computer Science, University of Central Florida, Florida, US(计算机科学系,中央佛罗里达大学,佛罗里达,美国)
专题命中 视觉问答 :VLM(summary_cn,abstract);vision-language model(abstract);visual question answering(abstract);grounding(abstract)
AI总结 提出DocVAL框架,通过验证链式思维蒸馏将大型教师模型的空间推理能力转移到紧凑学生模型,结合规则验证器和两阶段训练,在文档VQA任务上提升定位性能。