LayoutLite 模块通过减少视觉令牌来提高 OCR 效率

研究人员开发了 LayoutLite，这是一个旨在提高使用视觉语言模型的光学字符识别 (OCR) 系统效率的新型模块。这个即插即用的模块通过在令牌级别执行隐式布局分析来工作，从而在低信息视觉令牌到达语言解码器之前识别并移除它们。通过采用强化学习方法进行无人工标注的训练，LayoutLite 可以显著减少视觉令牌数量和推理成本，这在 OmniDocBench 和 FireRed-OCR、Logics-Parsing-V2 等专用 OCR 模型上的实验得到了证明，在识别质量影响极小的情况下，延迟和 FLOPs 降低了 40% 以上。 AI

影响 通过减少令牌长度和推理成本来加速基于 VLM 的 OCR 系统。

排序理由 关于改进 OCR 效率新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• arXiv
• FireRed-OCR
• LayoutLite
• Logics-Parsing-V2
• OmniDocBench
• optical character recognition
• Vision--Language Models

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →