Noticias sobre Document Vision-Language Models
1 artículos relacionados
Recuperación de evidencia visual condicionada por el estado para la percepción detallada en modelos de lenguaje-visión de documentos
State-Conditioned Visual Evidence Retrieval for Fine-Grained Perception in Document Vision-Language Models
AI InsightEste artículo propone el método SCVER, que modela la percepción visual en el análisis de documentos como recuperación condicional de estado, reemplazando el acceso repetido a tokens visuales comprimidos globales durante la decodificación para lograr la adquisición de evidencia bajo demanda. En comparación con el cálculo ineficiente de las representaciones comprimidas globales anteriores, esto significa que se espera que la percepción detallada mejore la eficiencia y la precisión del razonamiento, pero aún se encuentra en la etapa de preimpresión y los resultados experimentales deben verificarse.Importancia 70/100