norgitov/ trends
Технологии · люди · идеи
RSS
RUEN
К обзору/Daily Papers6 часов назад
ИсследованияDaily Papers

Все в одном: многоязычное распознавание текста в сцене с учетом письменности

В этой статье представлена система распознавания текста в сцене, охватывающая несколько языков, использующая архитектуру Mixture-of-Experts (MoE), учитывающую письменность. Система ScriptMoE превосходит существующие методы на задачах распознавания многоязычного текста, используя большой синтетический датасет и легковесную архитектуру, которая делит визуальный кодировщик, а декодирование выполняется специализированными экспертами для каждой письменности.

Открыть первоисточник
СИГНАЛ ИЗ ИСТОЧНИКА
32
голосов источника
Наблюдаем с23 сентября 2026 г.32 голосов источника

Этот источник давно не обновлялся. Время замера указано выше.

Темп интереса+7,62/hпо замерам за 3,02 h
Опубликовано21 сентября 2026 г.Xingsong Ye, Yongkun Du, Jiaxin Zhang
ЗА ЦИФРАМИ

Как меняется интерес

Daily Papers

История начинает расти

График появится после повторных замеров. Текущий показатель уже получен из источника.

32 голосов источника

Только реальные замеры. История до подключения источника не восстанавливается.

ЗАЧЕМ ОБРАТИТЬ ВНИМАНИЕ

Этот подход предлагает более эффективное и точное решение для распознавания многоязычного текста, объединяя специализированные знания по письменности с общим визуальным кодировщиком, что снижает необходимость в нескольких моделях или больших визуально-языковых моделях.

Полезная находка?
ПРОДОЛЖИ ИССЛЕДОВАНИЕ

Рядом по теме

Вся тема
Daily Papers

IntBMoE: Интеграция блоковой условной композиции экспертов для полного участия в смеси экспертов

IntBMoE представляет блок-условную архитектуру Mixture-of-Experts (MoE), которая разделяет участие, выполнение и материализацию, объединяя плотную композицию экспертов с разреженным выполнением блоков. Используется обученная кодовая книга для блоков и гиперсеть для объединения экспертов, обеспечивая полное участие при низких затратах на выполнение и память. Эксперименты показывают улучшения в классификации изображений, языковом моделировании и последовательном рекомендовании, с реальным внедрением в системе рекомендаций AMap.

5 дней назадDaily Papers

Document Retrieval-Aware Chunking (D-RAC): Универсальная интеграция корпоративных документов с использованием нормализации PDF и мультимодального преобразования в Markdown

В статье представлена методика Document Retrieval-Aware Chunking (D-RAC), которая эффективно обрабатывает корпоративные документы, нормализуя их в PDF и преобразуя в оптимизированный для поиска Markdown с использованием мультимодельной ИИ. Этот подход сохраняет структуру документа, снижает затраты на токены и повышает эффективность фрагментации.

позавчераDaily Papers

Вкусный агент: Измерение и улучшение вкуса в задачах с долгим горизонтом

В статье представлена Taste-Bench — тест для оценки «вкуса» агента при принятии решений на длинных горизонтах. Она измеряет способность выбирать лучший путь на точках ветвления без знания будущих исходов, показывая, что современные модели плохо справляются, и что вкус можно улучшить с помощью дистилляции.

вчераDaily Papers

Самоэволюционирующийся поисковый индекс

В статье представлено SELF-INDEX, фреймворк, позволяющий индексу самовосстанавливаться без участия человека, диагностируя проблемы поиска, изменяя ключи индекса и проверяя изменения. Он также использует симулятор запросов для активного поиска новых требований к поиску, улучшая производительность в различных корпусах и приложениях.

6 дней назадDaily Papers

CodeMidas: Масштабирование агентных сред для программирования с подкреплением на основе кода самого по себе

CodeMidas — агентный пайплайн, преобразующий реализованную функциональность в открытых кодовых базах в исполняемые среды для обучения с подкреплением (RL), используя только исходный код в качестве входных данных. Он генерирует 5 545 тренировочных задач из 3 185 кодовых баз, охватывающих 23 языка и 15 технических областей, улучшая производительность на нескольких кодовых бенчмарках при обучении MiMo-V2.5 с использованием GRPO.

5 дней назадDaily Papers

FAMOS: Моделирование 3D подвижных объектов из разреженных наблюдений

В этой статье представлена FAMOS — модель, предсказывающая сегментацию подвижных частей и параметры шарниров из разреженных неупорядоченных частичных облаков точек. Модель использует многосостоятельный трансформер для агрегации признаков подвижности по нескольким наблюдениям и целевую функцию наблюдаемого диапазона подвижности для контроля диапазонов движения частей.

6 дней назад