鴻蒙智行泊車代駕VPD正式開(kāi)啟全量推送!升級(jí)自動(dòng)泊車/接駕等多項(xiàng)功能華為官方翻新手機(jī)最高降價(jià)4000元曝蘋(píng)果研發(fā)帶Face ID的智能家居門(mén)鈴:內(nèi)置自研W-Fi芯片李斌回應(yīng)螢火蟲(chóng)外觀設(shè)計(jì):看過(guò)實(shí)車的人都喜歡這個(gè)設(shè)計(jì)林杰:未來(lái) A 級(jí)、A0 級(jí)、A00 級(jí)車型都將是領(lǐng)克純電的“主場(chǎng)”豐巢存包柜亮相南寧地鐵站,助力城市韌性建設(shè)與智慧出行萬(wàn)象分區(qū)、絢彩XDR、量子點(diǎn)Pro 2025齊出手,TCL引領(lǐng)觀影體驗(yàn)新變革!QQ音樂(lè)年度聽(tīng)歌報(bào)告發(fā)布:誰(shuí)是你最喜歡的歌手?OpenAI正式發(fā)布o(jì)3 - 通往AGI的路上,已經(jīng)沒(méi)有了任何阻礙「送禮物」難撬動(dòng)社交電商,微信小店缺的是供給微軟Phi-4封神,14B小模型數(shù)學(xué)擊敗GPT-4o,合成數(shù)據(jù)占比40%,36頁(yè)技術(shù)報(bào)告出爐2024年結(jié)束,哪里是原創(chuàng)動(dòng)畫(huà)的應(yīng)許之地?深扒一個(gè)正被游戲行業(yè)「搶占」的流量帝國(guó)百思買(mǎi)重新進(jìn)軍跨境電商領(lǐng)域視頻生成大模型賽道,只是看上去擁擠GGII:預(yù)計(jì)2024年中國(guó)工業(yè)機(jī)器人全年銷量約30萬(wàn)臺(tái),同比下滑5%左右冰雪大世界盛大開(kāi)園,美的空調(diào)橫跨50℃打造“東北夏威夷”臺(tái)灣小土豆勇闖冰雪大世界,美的空調(diào)真暖快車成為最熱打卡點(diǎn)京東iPhone 16系列年底大放價(jià)!至高補(bǔ)貼1200元價(jià)格低過(guò)11.11新一季圓滿假期結(jié)伴大使出發(fā)在即 LG電子十年相伴助力溫暖傳遞
  • 首頁(yè) > 云計(jì)算頻道 > 大模型

    字節(jié)跳動(dòng)與中科大聯(lián)手提出多模態(tài)文檔大模型DocPedia

    2023年12月04日 17:36:15   來(lái)源:站長(zhǎng)之家

      字節(jié)跳動(dòng)與中國(guó)科學(xué)技術(shù)大學(xué)合作研發(fā)的多模態(tài)文檔大模型DocPedia已成功突破了分辨率的極限,達(dá)到了2560×2560的高分辨率。這一成果是通過(guò)研究團(tuán)隊(duì)采用了一種新的方法,解決了現(xiàn)有模型在解析高分辨文檔圖像方面的不足。

      在此研究中,提出了DocPedia,一個(gè)高分辨率多模態(tài)文檔大模型,與業(yè)內(nèi)先進(jìn)模型相比,其分辨率明顯提高,達(dá)到2560×2560,而其他模型的上限僅為336×336,無(wú)法解析高分辨率文檔圖像。

      DocPedia的性能得到了顯著提升,尤其在關(guān)鍵信息抽取和視覺(jué)問(wèn)答方面的能力上。通過(guò)論文中的示例展示,DocPedia能夠理解高分辨率文檔圖像和自然場(chǎng)景圖像中的指令內(nèi)容,并準(zhǔn)確提取相關(guān)的圖文信息。這包括了從圖像中挖掘車牌號(hào)、電腦配置等文本信息,甚至對(duì)手寫(xiě)文字的準(zhǔn)確判斷。

      結(jié)合圖像中的文本信息,DocPedia還可以利用其大模型推理能力,根據(jù)上下文分析問(wèn)題,并回答圖像中沒(méi)有展示的擴(kuò)展內(nèi)容。

      在DocPedia的訓(xùn)練過(guò)程中,研究團(tuán)隊(duì)采用了兩個(gè)階段的方法:預(yù)訓(xùn)練和微調(diào)。在預(yù)訓(xùn)練階段,大語(yǔ)言模型的視覺(jué)編碼器部分被優(yōu)化,以使其輸出與大語(yǔ)言模型對(duì)齊。這一階段主要注重對(duì)感知能力的訓(xùn)練,包括文字和自然場(chǎng)景的感知。微調(diào)階段涉及整個(gè)模型的端到端優(yōu)化,并采用感知-理解聯(lián)合訓(xùn)練策略,進(jìn)一步提高了DocPedia的性能。

      特別值得注意的是,DocPedia從頻域的角度出發(fā)解決分辨率問(wèn)題。通過(guò)提取高分辨率文檔圖像的DCT系數(shù)矩陣,并在不損失圖文信息的前提下進(jìn)行空間分辨率下采樣,通過(guò)級(jí)聯(lián)的頻域適配器進(jìn)一步進(jìn)行分辨率壓縮和特征提取。這種方法在將圖像輸入到視覺(jué)編碼器之前,大大減少了token數(shù)量,提高了效率。

      總體而言,DocPedia在多模態(tài)文檔大模型領(lǐng)域取得了顯著的突破,其高分辨率和優(yōu)化訓(xùn)練策略使其在各項(xiàng)測(cè)試基準(zhǔn)上均表現(xiàn)出色。該研究為推動(dòng)多模態(tài)文檔理解領(lǐng)域的發(fā)展提供了有力的支持。

      文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。

    即時(shí)

    新聞

    明火炊具市場(chǎng):三季度健康屬性貫穿全類目

    奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。

    企業(yè)IT

    重慶創(chuàng)新公積金應(yīng)用,“區(qū)塊鏈+政務(wù)服務(wù)”顯成效

    “以前都要去窗口辦,一套流程下來(lái)都要半個(gè)月了,現(xiàn)在方便多了!”打開(kāi)“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。

    3C消費(fèi)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,高能實(shí)力,創(chuàng)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來(lái)實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡(jiǎn)直是創(chuàng)作者們的首選。

    研究

    中國(guó)信通院羅松:深度解讀《工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析體系

    9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會(huì)——工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析專題論壇在沈陽(yáng)成功舉辦。