mean Average Precision F1

轻量级 VLM 为文档 OCR 和 JSON 提取提供可持续的替代方案

arXiv 上发表的一项新研究探讨了使用轻量级、开源的视觉语言模型 (VLM) 进行文档 OCR 和结构化 JSON 提取。该研究比较了八个参数高达 70 亿的 VLM，评估了它们在零样本、少样本和微调设置下的性能。研究结果表明，与手动转录或商业系统相比，这些较小的 VLM 可以提供一种可持续、私密且高性能的替代方案，为遗产机构提供指导。