跳到正文
arXiv · 机器人与计算机视觉· Weijian Jian, Siyang Chen, Yuguang Yang, Yajun Zhang, Chunyu Xie, Dawei Leng, Yuhui Yin·· 29 天前AI 评分53

GARRET:一种用于视觉文档区域检索的生成式反馈框架

GARRET: Generative Feedback for Region Retrieval in Visual Documents

AI 导读

该论文提出了 GARRET 框架,利用 (页面,问题,答案) 三元组通过可微生成反馈训练区域级检索器,解决了现有方法依赖昂贵标注或噪声标签的问题。该方法共享上下文保持的检索器生成多向量表示,辅助视觉语言模型在推理阶段被移除,仅保留紧凑的页面表示。

来源:arXiv · 机器人与计算机视觉 · arxiv.org