微信视觉团队开源端到端文档解析器WeVisDoc

腾讯微信视觉团队发布了WeVisDoc,这是一种端到端文档解析器,它接收页面图像并输出带有文本、LaTeX公式、HTML表格和阅读顺序的结构化Markdown,且以单一序列形式呈现。该解析器采用了一种专注于数据分配的两阶段训练策略,在OmniDocBench上达到了95.38的得分,并在退化输入上显示出显著提升。

腾讯微信视觉团队发布了WeVisDoc,这是一种端到端文档解析器,它接收页面图像并输出带有文本、LaTeX公式、HTML表格和阅读顺序的结构化Markdown,且以单一序列形式呈现。该解析器采用了一种专注于数据分配的两阶段训练策略,在OmniDocBench上达到了95.38的得分,并在退化输入上显示出显著提升。