研究人员开发了 Unlimited OCR，这是一种新模型，解决了当前 OCR 系统在处理长文档时存在的内存和速度限制。通过用参考滑动窗口注意力 (R-SWA) 替换标准注意力层，该模型保持恒定的 KV 缓存，使其能够在一个前向传播中转录数十页。这种方法建立在 DeepSeek OCR 基线的基础上，也适用于 ASR 和翻译等其他序列任务。 AI
影响 能够更有效地处理长文档，用于 OCR 和其他基于序列的 AI 任务。
排序理由 发布了详细介绍新模型架构及其应用的技朮报告。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Recently, end-to-end OCR models, exemplified by DeepSeek OCR, have once again thrust OCR into the spotlight. A widely held view is that employing a large language model (LLM) as the decoder allows the model to leverage the prior distribution of language, leading to improved OCR p…
Unlimited OCR introduces Reference Sliding Window Attention to eliminate growing memory consumption during long-sequence OCR tasks, enabling efficient transcription of multiple pages in a single forward pass.