LensVLM

Apple发布LensVLM，通过压缩文本提高VLM准确性

Apple研究人员开发了LensVLM，这是一个新的框架和后训练方法，旨在提高视觉语言模型（VLMs）在处理压缩文本图像时的准确性。LensVLM通过选择性地仅将压缩图像的相关部分扩展到其未压缩形式，而不是以较低分辨率处理整个图像。这种方法使VLMs能够在显著的压缩水平下保持高准确性，在文本问答基准测试中优于其他压缩方法，并能泛化到多模态文档和代码理解任务。