MinerU2.5技术报告发布：高分辨率文档解析模型

oschina.net 09月30日

MinerU2.5技术报告发布：高分辨率文档解析模型

上海人工智能实验室OpenDataLab团队发布MinerU2.5技术报告，介绍其面向高分辨率文档解析的解耦视觉-语言模型，包含模型架构、训练策略、数据工程和评测结果，并开放在线Demo体验。

上海人工智能实验室 OpenDataLab 团队近日正式发布了MinerU2.5技术报告，包含模型架构、训练策略、数据工程和评测结果。 MinerU2.5是一款12亿参数、面向高分辨率文档解析的解耦视觉-语言模型。官方的Demo也已同步开放，支持在线体验。 MinerU2.5采用两阶段策略：首先对降采样后的图像进行全局版面分析，然后对原生分辨率...

Fish AI Reader

AI辅助创作，多种专业模板，深度分析，高质量内容生成。从观点提取到深度思考，FishAI为您提供全方位的创作支持。新版本引入自定义参数，让您的创作更加个性化和精准。

FishAI

鱼阅，AI 时代的下一个智能信息助手，助你摆脱信息焦虑

联系邮箱 441953276@qq.com

相关标签

MinerU2.5 高分辨率文档解析视觉-语言模型上海人工智能实验室 OpenDataLab

相关文章

MMLongBench-Doc: A Comprehensive Benchmark for Evaluating Long-Context Document Understanding in Large Vision-Language Models

仅缩小视觉Token位置编码间隔，轻松让多模态大模型理解百万Token！清华大学，香港大学，上海AI Lab新突破

Google DeepMind Research Releases SigLIP2: A Family of New Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features

通用具身智能仿真平台桃源 2.0 发布：三行代码定义任务，并面向全球开发者开放

Convergence Releases Proxy Lite: A Mini, Open-Weights Version of Proxy Assistant Performing Pretty Well on UI Navigation Tasks

CoSyn: An AI Framework that Leverages the Coding Capabilities of Text-only Large Language Models (LLMs) to Automatically Create Synthetic Text-Rich Multimodal Data

打造跨语言智能工具与应用，“万卷·丝路”专项课题开放申请

复旦大学团队推出ParaCAD，首个包含尺寸信息标注的CAD参数化理解任务基准数据集！新范式PHT-CAD再创新SOTA！

专抓AI“看图说谎”，谷歌哥大用三类陷阱触发幻觉，打造可随技术发展动态演进的评估框架

精度飙升13.7%！复旦发布CAD参数化新基准，PHT-CAD框架精准解析工程图纸