論文の概要: A Task-Centric Survey of Long-Document Visual Question Answering: Taxonomy, Evolution, and Future Directions
- arxiv url: http://arxiv.org/abs/2610.31385v1
- Date: Thu, 22 Oct 2026 14:52:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.415159
- Title: A Task-Centric Survey of Long-Document Visual Question Answering: Taxonomy, Evolution, and Future Directions
- Title（参考訳）: 長文視覚質問応答のタスクセンター調査 : 分類学・進化・今後の方向性
- Abstract要約: 本稿では,4つのコンポーネントに分割したタスク中心の質問応答について検討する。
それぞれに対して、きめ細かい分類法とトレースモチベーション、技術的応答、および相互接続を開発します。
我々は、証拠の不十分さ、検証可能で修正可能な理解、予算に配慮した調整について、今後の方向性を概説する。
- 参考スコア（独自算出の注目度）: 35.33340848609624
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Visual document understanding is essential for acquiring knowledge from visually rich documents and is attracting growing research interest. Existing surveys emphasize architectures or technical approaches, with limited attention to how task bottlenecks shape technical choices and research priorities. We present a task-centric survey that decomposes long-document visual question answering (VQA) into four components: document parsing, evidence organization and retrieval, generator organization and learning, and evaluation. For each, we develop a fine-grained taxonomy and trace motivations, technical responses, and cross-component connections. We focus on explicit retrieval while covering direct reading. Our temporal analysis traces expanding priorities from multimodal content understanding to sufficient, high-fidelity evidence acquisition and sustained evidence management. We outline future directions in evidence sufficiency, verifiable and correctable understanding, and budget-aware coordination, with an outlook on continual document understanding.
- Abstract（参考訳）: 視覚的な文書理解は、視覚的に豊かな文書から知識を得るのに不可欠であり、研究の関心が高まりつつある。
既存の調査はアーキテクチャや技術的なアプローチを強調しており、タスクのボトルネックが技術的な選択や研究の優先順位をいかに形成するかに注意を向けている。
本稿では,VQAを文書解析,エビデンス組織と検索,ジェネレータ組織と学習,評価の4つのコンポーネントに分割するタスク中心のアンケートを提案する。
それぞれに対して、きめ細かい分類法とトレースモチベーション、技術的応答、および相互接続を開発します。
我々は、直接読解しながら、明示的な検索に焦点をあてる。
我々の時間的分析は、マルチモーダルコンテンツ理解から十分な高忠実度エビデンス獲得と持続的エビデンス管理まで、優先順位の増大を辿っている。
我々は、証拠の不十分さ、検証可能で修正可能な理解、予算に配慮した調整の今後の方向性について概説し、連続的な文書理解を展望する。
関連論文リスト
- OIDA-QA: A Multimodal Benchmark for Analyzing the Opioid Industry Documents Archive [50.468138755368805]
オピオイド危機は公衆衛生にとって重要な瞬間である。
UCSF-JHU Opioid Industry Documents Archive(OIDA)に公開されているデータと文書
本稿では,文書属性に応じて元のデータセットを整理することで,この問題に対処する。
論文 参考訳（メタデータ） (2025-11-13T03:27:32Z) - Structured Attention Matters to Multimodal LLMs in Document Understanding [52.37530640460363]
入力形式が文書理解性能に与える影響について検討する。
生のOCRテキストはMLLMの性能を向上するのではなく、しばしば機能不全であることがわかった。
本稿では,LaTexパラダイムを用いて文書要素を符号化する構造保存手法を提案する。
論文 参考訳（メタデータ） (2025-06-19T07:16:18Z) - Survey on Question Answering over Visually Rich Documents: Methods, Challenges, and Trends [8.748855120786274]
視覚的にリッチなドキュメント理解の分野は急速に進化しており、まだ処理パイプラインのいくつかの重要な側面についてのコンセンサスを欠いている。
我々は、最先端のアプローチを包括的に概観し、その強みと限界を強調し、この分野の主な課題を指摘し、有望な研究方向性を提案する。
論文 参考訳（メタデータ） (2025-01-04T08:45:24Z) - PDF-MVQA: A Dataset for Multimodal Information Retrieval in PDF-based Visual Question Answering [13.625303311724757]
文書質問回答(QA)は、視覚に富む文書(VRD)を理解する上での課題を提示する
我々は,複数のページとマルチモーダル情報検索を含む研究雑誌記事に適したPDF-MVQAを提案する。
論文 参考訳（メタデータ） (2024-04-19T09:00:05Z) - DLUE: Benchmarking Document Language Understanding [32.550855843975484]
文書理解能力を包括的に評価する方法については、確固たるコンセンサスはない。
本稿では,文書分類,文書構造解析,文書情報抽出,文書書き起こしの4つの代表的能力について要約する。
新しい評価フレームワークでは、新しいタスクスイートである textbfDLUE の textbfDocument Language Understanding Evaluation を提案する。
論文 参考訳（メタデータ） (2023-05-16T15:16:24Z) - Towards Complex Document Understanding By Discrete Reasoning [77.91722463958743]
VQA(Document Visual Question Answering)は、自然言語による質問に答えるために、視覚的に豊富なドキュメントを理解することを目的としている。
我々は3,067の文書ページと16,558の質問応答ペアからなる新しいドキュメントVQAデータセットTAT-DQAを紹介する。
我々は,テキスト,レイアウト,視覚画像など,多要素の情報を考慮に入れたMHSTという新しいモデルを開発し,異なるタイプの質問にインテリジェントに対処する。
論文 参考訳（メタデータ） (2022-07-25T01:43:19Z) - An Empirical Survey on Long Document Summarization: Datasets, Models and
Metrics [33.655334920298856]
本稿では,長期文書要約研究の概要について概説する。
我々は、現在の研究の進展に対する視点を広げるために、実証分析を行う。
論文 参考訳（メタデータ） (2022-07-03T02:57:22Z) - Embedding Knowledge for Document Summarization: A Survey [66.76415502727802]
従来の研究は、知識を組み込んだ文書要約器が優れた消化器を生成するのに優れていたことを証明した。
本稿では,文書要約ビューに基づいて,知識と知識の埋め込みを再カプセル化する手法を提案する。
論文 参考訳（メタデータ） (2022-04-24T04:36:07Z) - Extracting Summary Knowledge Graphs from Long Documents [48.92130466606231]
本稿では,長い文書から要約された知識グラフを予測する新しいテキスト・ツー・グラフタスクを提案する。
自動アノテーションと人文アノテーションを用いた200k文書/グラフペアのデータセットを開発する。
論文 参考訳（メタデータ） (2020-09-19T04:37:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。