XNews

WeChat Visionチーム、エンドツーエンド文書解析ツール「WeVisDoc」をオープンソース化

WeChat Visionチーム、エンドツーエンド文書解析ツール「WeVisDoc」をオープンソース化

TencentのWeChat Visionチームは、ページ画像を入力として、テキスト、LaTeX数式、HTML表、および読み取り順序を単一のシーケンスで構造化Markdownに出力するエンドツーエンド文書解析ツール「WeVisDoc」を公開した。本ツールはデータ割り当てに焦点を当てた二段階訓練戦略を採用し、OmniDocBenchで95.38を達成、劣化入力においても顕著な性能向上を示している。

Source posts