Vision-adaptive Semantic Refinement

新的基准和方法应对视觉文档检索挑战

研究人员开发了新的方法来改进视觉文档检索，特别是针对发票等大量相似文档的检索。一种名为 Invoice Haystack 的方法引入了一个基准，旨在测试检索系统在强视觉同质性条件下的性能，而现有方法在这种条件下由于嵌入塌陷而难以奏效。为了解决这个问题，提出了一种名为 VL-RAG 的新框架，该框架结合了文本和视觉嵌入以实现更精确的识别。另一种名为 LightSTAR 的方法侧重于效率，通过使用无 LLM 的选择过程来快速缩小相关页面的…