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

推荐订阅源

V
Visual Studio Blog
I
InfoQ
H
Help Net Security
GbyAI
GbyAI
博
博客园 - 叶小钗
Recent Announcements
Recent Announcements
Engineering at Meta
Engineering at Meta
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
爱范儿
爱范儿
Y
Y Combinator Blog
L
LangChain Blog
腾
腾讯CDC
酷 壳 – CoolShell
酷 壳 – CoolShell
WordPress大学
WordPress大学
Stack Overflow Blog
Stack Overflow Blog
F
Fortinet All Blogs
G
Google Developers Blog
Apple Machine Learning Research
Apple Machine Learning Research
The GitHub Blog
The GitHub Blog
T
The Blog of Author Tim Ferriss
博
博客园 - Franky
D
Docker
Jina AI
Jina AI
罗
罗磊的独立博客

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。