研究者用条件流匹配反演器从多向量视觉文档索引重建页面,原始索引恢复47%词与45%敏感词元并98.4%首位命中源页
该工作把多向量视觉文档索引的反演建模为条件文档图像生成,在零侧信息下仅凭存储的向量识别编码器、推断页面形状并恢复乱序索引的顺序,用条件流匹配反演器重绘页面;在ViDoRe v3上,原始索引反演出的页面恢复47%的词和45%的敏感词元,并以98.4%的比例把源页排在第一。
该工作把多向量视觉文档索引的反演建模为条件文档图像生成,在零侧信息下仅凭存储的向量识别编码器、推断页面形状并恢复乱序索引的顺序,用条件流匹配反演器重绘页面;在ViDoRe v3上,原始索引反演出的页面恢复47%的词和45%的敏感词元,并以98.4%的比例把源页排在第一。
已读完全部报道