PulseAugur
中
实时 11:07:35

MonkeyOCRv2: 新型文档AI模型在MDPBench上达到SOTA

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出MonkeyOCRv2，这是一款专为文档AI任务设计的视觉-文本基础模型。该模型在MonkeyDoc v2上进行了预训练，MonkeyDoc v2是一个包含1.13亿张跨17种语言的文档图像的海量语料库。MonkeyOCRv2采用了一种新颖的预训练策略，结合了图像到文本生成和像素级文档重建，以保留细粒度细节。当用作视觉编码器时，它在MDPBench等基准测试中展现了最先进的性能，并在各种文档分析任务上超越了其他模型。 AI

影响 为文档智能奠定了新基础，有望提高广泛文档分析任务的性能。

排序理由 该集群描述了一篇关于文档AI新模型和数据集的最新研究论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

MonkeyOCRv2: 新型文档AI模型在MDPBench上达到SOTA

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Yuliang Liu, Zhang Li, Ziyang Zhang, Shuo Zhang, Qiang Liu, Jiajun Song, Zidun Guo, Xinhan Wang, Handong Zheng, Yang Liu, Dongliang Luo, Zhiyin Ma, Jiarui Zhang, Xiang Bai ·

    MonkeyOCRv2: A Visual-Text Foundation Model for Document AI

    arXiv:2607.11562v1 Announce Type: new Abstract: Mainstream visual encoders are pretrained on natural images and cannot be effectively applied to document images without document-oriented adaptation, as dense text and fine-grained character strokes demand character-level visual pe…

  2. arXiv cs.CV TIER_1 English(EN) · Xiang Bai ·

    MonkeyOCRv2：面向文档AI的视觉-文本基础模型

    Mainstream visual encoders are pretrained on natural images and cannot be effectively applied to document images without document-oriented adaptation, as dense text and fine-grained character strokes demand character-level visual perception. We present MonkeyOCRv2, a visual-text …

相关实体

相关话题