arXiv · 机器人与计算机视觉· Adrien Mialland, Marc Plantevit, Julien Gallois, C\'eline Robardet·· 2 天前AI 评分55
ViSAR:用于文档视觉问答的免训练自适应 k 值检索
ViSAR: Training-Free Adaptive-$k$ Retrieval for Document Visual Question Answering
AI 导读
针对文档视觉问答(DocVQA)中固定检索数量导致延迟高或精度低的问题,作者提出 ViSAR 方法。该方法在嵌入空间构建查询感知的页面相似度矩阵,动态确定需检索的页面数,无需额外训练且能显著降低端到端延迟。
来源:arXiv · 机器人与计算机视觉 · arxiv.org