English(EN) VaRS-Doc: Interpretation-Aware Variant Representations via Latent Self-Probing for Visual Document Retrieval

VaRS-Doc 框架通过自适应表示增强视觉文档检索

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-04 04:00

研究人员开发了 VaRS-Doc，一个用于视觉文档检索的新型框架，解决了查询无关文档编码的挑战。与使用固定表示的传统方法不同，VaRS-Doc 使模型能够生成文档的多样化潜在解释。这使得通过调整文档表示以适应特定的查询意图，从而在不牺牲效率的情况下实现更准确的检索。实验表明，VaRS-Doc 在视觉文档检索基准测试中取得了最先进的性能。 AI

影响该框架可以通过更精确地检索富含视觉信息的文档来改进企业搜索和科学文献发现。

排序理由该集群描述了一篇详细介绍用于视觉文档检索的新型框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Haocheng Wang, Tongkun Guan, Wei Shen, Xiaokang Yang · 2026-08-04 04:00

VaRS-Doc: Interpretation-Aware Variant Representations via Latent Self-Probing for Visual Document Retrieval

arXiv:2608.01211v1 Announce Type: new Abstract: Visual document retrieval has recently become increasingly important in applications such as enterprise search, scientific literature discovery, and retrieval-augmented generation. These applications depend on efficiently identifyin…

报道来源 [1]

VaRS-Doc: Interpretation-Aware Variant Representations via Latent Self-Probing for Visual Document Retrieval

相关实体

相关话题