技術(shù)編號：40563958
提示：您尚未登錄，請點 登 陸 后下載，如果您還沒有賬戶請點 注 冊 ，登陸完成后，請刷新本頁查看技術(shù)詳細(xì)信息。本發(fā)明涉及一種基于多模態(tài)大模型的視覺信息提取方法，屬于信息，特別是屬于視覺信息提取。背景技術(shù)、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展和信息交換需求的日益增長，大量文檔現(xiàn)在被數(shù)字化、存儲并以圖像形式分發(fā)。在各種各樣的應(yīng)用場景中，如收據(jù)理解、卡片識別、自動論文評分和文檔匹配，需要從文檔圖像中提取關(guān)鍵信息。這個過程被稱為視覺信息提取(vi?e)，它涉及從視覺豐富的文檔中挖掘、分析和提取信息。例如，在收據(jù)理解中，vi?e算法可以從收據(jù)的圖像中提取商店名稱、產(chǎn)品詳情和價格等信息。與從純文本中提取信息不同，vi?e的結(jié)...
注意：該技術(shù)已申請專利，請尊重研發(fā)人員的辛勤研發(fā)付出，在未取得專利權(quán)人授權(quán)前，僅供技術(shù)研究參考不得用于商業(yè)用途。
該專利適合技術(shù)人員進(jìn)行技術(shù)研發(fā)參考以及查看自身技術(shù)是否侵權(quán)，增加技術(shù)思路，做技術(shù)知識儲備，不適合論文引用。
請注意，此類技術(shù)沒有源代碼，用于學(xué)習(xí)研究技術(shù)思路。