借 Meta in-fusion 论文重训 OCR 模型,decoder-only 变体可行

wightmanr · x · 2026-11-21

开发者在 Meta in-fusion 论文发布后,回头重启了自己的旧 OCR 项目:修复旧 bug 后尝试训练,发现 in-fusion 与其模型结构天然契合、确实有效。作为 NaFlexViT encoder + text decoder 的替代方案,他还训练了 decoder-only 变体(原方案的 encoder 依赖强预训练权重,短训练难以匹敌)。

他用此前与 @molbap 上传到 HF pixparse 项目的 idl-wds 数据集做试验,指出标注噪声下限明显,仅够验证模型阅读能力,计划用 agent 重新处理 pdfa-eng、pdfa-multi(从未发布、标注问题多)和 idl 数据集。另外他 @ Hugging Face 团队反映 pixparse 项目 Hub 空间配额已满,请求扩容。

所属事件:开发者受 Meta in-fusion 论文启发重训 OCR 模型(2 条相关)→

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →