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
P
Privacy International News Feed
WordPress大学
Security Latest
Cyberwarzone
K
Kaspersky official blog
Cisco Talos Blog
Microsoft Security Blog
G
GRAHAM CLULEY
N
News | PayPal Newsroom
Apple Machine Learning Research
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
V
Visual Studio Blog
美
美团技术团队
J
Java Code Geeks
I
Intezer
The Cloudflare Blog
SecWiki News
S
Secure Thoughts
Microsoft Azure Blog
V2EX - 技术
C
Cyber Attacks, Cyber Crime and Cyber Security
奇客Solidot–传递最新科技情报
Spread Privacy
D
DataBreaches.Net
S
Security Affairs
Help Net Security
S
Securelist
F
Full Disclosure
C
Check Point Blog
F
Fortinet All Blogs
Know Your Adversary
Exploit-DB.com RSS Feed
Y
Y Combinator Blog
云风的 BLOG
阮一峰的网络日志
The Register - Security
cs.CL updates on arXiv.org
人人都是产品经理
博
博客园_首页
G
Google Developers Blog
Google Online Security Blog
Cyber Security Advisories - MS-ISAC
H
Help Net Security
酷 壳 – CoolShell
I
InfoQ
Application and Cybersecurity Blog
H
Hacker News: Front Page
L
LINUX DO - 热门话题
Threat Intelligence Blog | Flashpoint
L
LangChain Blog
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。
