arXiv · 机器人与计算机视觉· Hoyeon Shin, Jeongyeon Kim, Yeong Jun Koh, Yeoneung Kim, Hanul Kim·· 2026-10-20AI 评分43
Unbalanced Optimal Transport 框架提升视觉文档检索效率与效果
Unbalanced Optimal Transport for Efficient Visual Document Retrieval
AI 导读
针对视觉语言模型在视觉文档检索中生成冗余 token 导致扩展性受限的问题,该方法提出基于不平衡最优传输的压缩框架,统一优化 token 重要性、语义冗余及覆盖能力。理论证明其运输成本上界可约束 MaxSim 检索误差以保障排序稳定性。ViDoRe V1 和 V3 基准实验表明,该方案在保持细粒度文档语义的同时,显著优于现有基线方法。
来源:arXiv · 机器人与计算机视觉 · arxiv.org