跳到正文
arXiv · 机器人与计算机视觉· Ilan Sezhiyan Jayaraman·· 2 天前AI 评分48

处方阅读器在哪丢失药物?一项从 2.7B 语言模型到 2B 视觉语言模型的冻结重放研究

Where Does an On-Device Prescription Reader Lose Medications? A Frozen-Replay Study, from a 270M Language Model to a 2B Vision-Language Model

AI 导读

针对手机端处方阅读管线,研究对比了 PaddleOCR 搭配 2.7B 参数语言模型与旋转裁剪配合 2B 参数视觉语言模型的效果。在 49 次合成处方捕获中,新方案将召回率从 8% 提升至 67%,手写识别由 0 增至 20/45 且消除不安全输出,但耗时增加至每张照片 61 秒、内存占用约 1.9GB。所有结果均基于单一作者与单台设备的样本内数据,未获外部验证。

来源:arXiv · 机器人与计算机视觉 · arxiv.org