惯性聚合
高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文
在惯性聚合中打开
即将跳转到惯性聚合
3
在聚合应用中查看完整内容和互动
立即跳转
取消
推荐订阅源
博
博客园_首页
Hacker News: Ask HN
V
Visual Studio Blog
Hugging Face - Blog
博
博客园 - 【当耐特】
I
InfoQ
A
About on SuperTechFans
宝玉的分享
Project Zero
C
CXSECURITY Database RSS Feed - CXSecurity.com
量
量子位
The Register - Security
大猫的无限游戏
Blog — PlanetScale
Simon Willison's Weblog
C
Cyber Attacks, Cyber Crime and Cyber Security
T
The Exploit Database - CXSecurity.com
Cyberwarzone
L
LINUX DO - 热门话题
博
博客园 - 聂微东
CTFtime.org: upcoming CTF events
P
Privacy International News Feed
T
Tenable Blog
博
博客园 - 叶小钗
P
Palo Alto Networks Blog
S
Securelist
F
Full Disclosure
Help Net Security
爱范儿
Cisco Talos Blog
F
Fortinet All Blogs
Google DeepMind News
IT之家
S
Secure Thoughts
Martin Fowler
The Cloudflare Blog
阮一峰的网络日志
小众软件
G
GRAHAM CLULEY
J
Java Code Geeks
Forbes - Security
Application and Cybersecurity Blog
A
Arctic Wolf
L
LangChain Blog
Webroot Blog
TaoSecurity Blog
月光博客
T
The Blog of Author Tim Ferriss
Engineering at Meta
钛媒体：引领未来商业与生活新知
thinkingReed
ColPali：使用视觉语言模型的高效文档检索
VisionThink：通过强化学习实现高效的视觉语言模型
ChartMoE：使用混合专家架构的图表理解方法
基于标记级相关性引导的压缩方法以实现高效的多模态文档理解
PACT：基于剪枝和聚类的Token减少方法
DocLayLLM：一种用于富含文本的文档理解的高效多模态大语言模型扩展方法
mPLUG-DocOwl 2：高分辨率文档理解的布局感知压缩方法
mPLUG-DocOwl 1.5 研究报告：模型架构与位置编码机制
mPLUG-DocOwl：面向无OCR文档理解的统一结构学习
QG-VTC：基于问题引导的视觉Token压缩方法
StrucTexT：多模态Transformer的结构化文本理解框架
TabPedia：统一的表格理解视觉语言模型
Pix2Struct：截图解析作为视觉语言理解预训练方法
TextMonkey：用于文档理解的无OCR大型多模态模型
Swin Transformer：分层视觉Transformer
Vision Transformer：将Transformer应用于图像分类任务
DocPedia：频域方法实现高分辨率文档理解
领域特定的大语言模型用于通过有标签数据监督微调的暖通空调系统故障诊断
将知识从大模型迁移到小型下游模型
MinerU 技术报告：高精度文档内容提取解决方案
2025-06-19
·
via
thinkingReed
引言 领域背景 文档内容分析一直是计算机视觉领域的重要研究方向。 尽管OCR（光学字符识别）、布局检测和公式识别等方法取得了显著进展，但现有的开源解决方案由于文档类型和内容的多样性，在持续
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。
原文来自
— 版权归原作者所有。
