摩根大通发布了DocLLM,一款专为多模态文档理解设计的生成式语言模型,通过轻量级扩展LLM,避免昂贵的图像编码器,以提高文档分析效能。
@LlamaIndex创始人Jerry Liu
图源:新抖
2. 🔍 **创新方法**:通过场景参数化,将场景分解为遮挡、人物和背景三个部分,并利用神经辐射场分别建模人物和遮挡/背景,以实现对被遮挡人物的准确渲染。
起初,它似乎很有希望。它提供了清晰的架构,选择了正确的框架,甚至将代码整齐地结构化。但兴奋是短暂的,因为它生成的代码不够好,我无法使应用程序启动。