EPISODE · Jun 1, 2025 · 19 MIN
【第244期】TokenOCR:Token基本文本图像LLM
from Seventy3
Seventy3:借助NotebookLM的能力进行论文解读,专注人工智能、大模型、机器人算法方向,让大家跟着AI一起进步。进群添加小助手微信:seventy3_podcast备注:小宇宙今天的主题是:A Token-level Text Image Foundation Model for Document UnderstandingSummary来源描述了一种新型文本图像基础模型,称为 TokenOCR,以及利用它构建的文档理解多模态大语言模型 TokenVL。研究人员通过创建一个大规模、细粒度的标记级图像文本数据集 TokenIT 来预训练 TokenOCR,该数据集包含 2000 万图像和 18 亿标记-掩码对。TokenOCR 在文本图像相关任务中表现出色,例如文本分割、文本检索和视觉问答。实验表明,TokenVL 在各种文档理解基准测试中取得了显著的性能提升,尤其是...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动
NOW PLAYING
【第244期】TokenOCR:Token基本文本图像LLM
No transcript for this episode yet
Similar Episodes
No similar episodes found.
Similar Podcasts
No similar podcasts found.