arXiv cs.AI· Qian Chen, Xianyin Zhang, Lifan Guo, Chi Zhang·· 9 小时前AI 评分22
用层级多模态记忆重建复杂长文档的标题层级
Heading Hierarchy Reconstruction for Complex and Long Documents with Level-Wise Multimodal Memory
AI 导读
针对 VLM 逐页预测标题层级缺乏文档级一致性的问题，研究者提出基于 VLM 的框架，通过层级多模态记忆增量重建标题层级，该记忆按锚点保留此前处理页面的紧凑子集，并选用每层最新节点作为锚点。同时发布 CLDoc-HHRBench 基准，含 250 篇文档、11,212 页专家核验标注，在 CLDoc-HHRBench 及三个现有基准上验证了方法有效性。
来源：arXiv cs.AI · arxiv.org