HuggingFace Daily Papers· Yunhang Shen, Zhangquan Chen, Xiaotian Li, Zhongpeng Cai, Qing Zhou, Zekai Zhang, Kun Zhang, Zezhong Wu, Jian Hu, Haihan Gao, Heting Gao, Xin Li, Yinsong Liu, Deqian Jiang, Di Yin, Haoyu Cao, Xing Sun, Bing Liu, Yanqiu Qu, Yunfei Wu, Kun Yin, Zhixiang Wei, Yongxiang Hua, Qianyu Li, Xiaoxing Hu, Peiyuan Zhang, Lijiang Li, Dong Xu, Zhenchuan Yang, Yiliang Jiang·· 2 天前精选AI 评分70
Youtu-Parsing-Omni: 单编码器、单模式、全模态文档解析
Youtu-Parsing-Omni: One Encoder, One Schema, All Modalities
AI 导读
研究人员提出Youtu-Parsing-Omni，一种全模态解析器，可将文档、图像、音频和视频转换为基于时空的结构化记录。该系统采用Youtu-Omni-Encoder统一编码所有模态，并通过OmniSchema统一十种解析任务输出，使用OSAD方法实现模型与监督信号协同进化。
推荐理由
单编码器统一处理多模态文档解析，模型与监督信号协同进化，为智能体提供跨模态感知层。
来源：HuggingFace Daily Papers · arxiv.org