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
cs.AI updates on arXiv.org
Blog — PlanetScale
钛媒体：引领未来商业与生活新知
The Last Watchdog
AI
Recent Announcements
Recent Commits to openclaw:main
Stack Overflow Blog
V
Visual Studio Blog
J
Java Code Geeks
TaoSecurity Blog
L
LangChain Blog
Exploit-DB.com RSS Feed
Project Zero
Microsoft Security Blog
量
量子位
T
Threatpost
CTFtime.org: upcoming CTF events
博
博客园 - Franky
博
博客园 - 聂微东
L
LINUX DO - 最新话题
Security Archives - TechRepublic
Hugging Face - Blog
T
The Blog of Author Tim Ferriss
P
Proofpoint News Feed
The GitHub Blog
C
Check Point Blog
宝玉的分享
G
Google Developers Blog
Spread Privacy
Cloudbric
SecWiki News
有赞技术团队
www.infosecurity-magazine.com
W
WeLiveSecurity
Cyber Security Advisories - MS-ISAC
美
美团技术团队
V
Vulnerabilities – Threatpost
Cyberwarzone
A
Arctic Wolf
P
Privacy & Cybersecurity Law Blog
P
Palo Alto Networks Blog
H
Help Net Security
cs.CV updates on arXiv.org
Cisco Talos Blog
Hacker News - Newest: "LLM"
A
About on SuperTechFans
N
Netflix TechBlog - Medium
罗
罗磊的独立博客
月光博客
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
MinerU 技术报告：高精度文档内容提取解决方案
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
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
DocPedia：频域方法实现高分辨率文档理解
2025-04-15
·
via
thinkingReed
中国科学技术大学 ：一种无OCR的文档理解方法 大型多模态模型：DocPedia，用于多功能的无OCR图像处理，解析分辨率高达2560×2560的图像 在频域空间处理：直接在频域而非像素空间处理视觉输入，能够使用有限数量的
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。
