arXiv:2607.29638v1 cs.CV

HierDoc: 긴 문서 시각적 질의응답을 위한 페이지에서 영역으로의 계층적 증거 라우팅

HierDoc: Hierarchical Page-to-Region Evidence Routing for Long-Document Visual Question Answering

Rongjian Gu, Wengang Zhou, Junyu Xiong, Yonghui Wang, Bing Yin, Bei Wang, Houqiang Li

제출 2026-07-31

한국어 초록

다중 페이지 문서 시각적 질의응답은 페이지 및 영역 수준 모두에서 희소한 증거를 찾아내는 것을 요구합니다. 기존 접근 방식들은 일반적으로 한 수준을 다른 수준보다 우선시합니다. 페이지 중심 방법은 페이지 획득에 초점을 맞추고 영역 작업은 주로 내비게이션 보조 수단으로 활용하는 반면, 영역 중심 방법은 관련 페이지가 이미 제공되었다고 가정합니다. 그 결과, 페이지 및 영역 선택은 연속적인 증거 결정 과정을 형성하지 못하고 단절된 상태로 남아 있습니다. 본 논문에서는 긴 문서의 증거 획득을 페이지에서 영역으로 이어지는 2단계 집합 예측으로 정형화하는 계층적 증거 라우팅 프레임워크인 HierDoc을 제안합니다. 페이지 정책은 전체 문서에서 증거 페이지를 선택하고, 이 페이지들은 의미적 요소 단위로 파싱된 후 영역 정책이 다운스트림 답변 모델로 전달할 요소를 선택합니다. 정답에 구애받지 않는 두 정책은 세분성 특화 구조화 집합 보상을 사용하는 단계별 GRPO로 최적화됩니다. 답변 모델은 선택된 전체 페이지와 함께 선택된 영역 크롭, 그리고 OCR 또는 표 텍스트를 전달받아 전역 문맥을 보존하면서 세밀한 증거를 강조합니다. 평가된 벤치마크 전반에서 HierDoc은 오픈 가중치 시스템 중 최고 수준(SOTA) 또는 경쟁력 있는 성능을 달성하여, 보고된 가장 강력한 오픈 가중치 기준선 대비 LongDocURL을 상대적으로 16.87% 향상시켰습니다. 통제된 소거 연구는 선택된 영역 증거가 페이지 전용 시스템의 정확도와 F1을 각각 5.51% 및 4.82% 향상시킴을 추가로 보여줍니다. 이러한 결과는 개략적인 페이지 라우팅과 세밀한 영역 라우팅을 통합 증거 획득 과정의 연속적이고 개별적으로 최적화된 단계로 구성하는 것의 이점을 입증합니다.

원문 초록

Multi-page document visual question answering requires locating sparse evidence at both the page and region levels. Existing approaches typically emphasize one level over the other: page-centric methods focus on page acquisition, with region operations serving mainly as navigation aids, whereas region-centric methods assume that the relevant pages have already been supplied. Consequently, page and region selection remain disconnected rather than forming successive evidence decisions. We propose HierDoc, a hierarchical evidence-routing framework that formulates long-document evidence acquisition as two-stage set prediction from pages to regions. A page policy selects evidence pages from the full document; these pages are then parsed for semantic elements, after which a region policy selects the elements passed to a downstream answer model. Both answer-agnostic policies are optimized with stage-wise GRPO using granularity-specific structured-set rewards. The answer model receives selected full pages together with selected region crops and OCR or table text, preserving global context while emphasizing fine-grained evidence. Across the evaluated benchmarks, HierDoc achieves state-of-the-art or competitive performance among open-weight systems, improving LongDocURL by 16.87% relative to the strongest reported open-weight baseline. Controlled ablations further show that selected regional evidence improves the page-only system in accuracy and F1 by 5.51% and 4.82%, respectively. These results demonstrate the benefit of organizing coarse page routing and fine-grained region routing as successive, separately optimized stages of a unified evidence-acquisition process.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2607.29638v1제출 시각 미확인

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

공통 태그로 연결된 공개 논문이 아직 없습니다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.