Back to Home
RadarAI··Papers & Tech

百度开源 Unlimited OCR 2,可解析几十到上百页长文档

中文摘要

百度开源Unlimited OCR 2,通过SR-SWA机制实现长文档高效解析。其内存与延迟接近恒定,在处理数百页文档时达到SOTA性能。

English Summary

Baidu open-sourced Unlimited OCR 2, using SR-SWA to parse long documents. It maintains constant latency and memory usage, achieving SOTA performance on documents spanning hundreds of pages.

Original Excerpt

百度发布并开源 Unlimited OCR 2,采用 SR-SWA 机制把文本-视觉注意力交互压缩为固定大小的工作引用,在有限上下文窗口内解析几乎任意长度的文档。随着文档变长,每步解码延迟和内存占用接近恒定,模型在 MPDocBench 和 MarathonDocBench 上取得 SOTA 表现,覆盖几十到数百页文档。