Copertina

DeepSeek-OCR 2: Visual Causal Flow

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wei, Haoran, Sun, Yaofeng, Li, Yukun
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

DeepSeek-OCR: Contexts Optical Compression
di: Wei, Haoran, et al.
Pubblicazione: (2025)

Visual Merit or Linguistic Crutch? A Close Look at DeepSeek-OCR
di: Liang, Yunhao, et al.
Pubblicazione: (2026)

Fine-tuning DeepSeek-OCR-2 for Molecular Structure Recognition
di: Tang, Haocheng, et al.
Pubblicazione: (2026)

DeepSeek-VL2: Mixture-of-Experts Vision-Language Models for Advanced Multimodal Understanding
di: Wu, Zhiyu, et al.
Pubblicazione: (2024)

DeepSeek on a Trip: Inducing Targeted Visual Hallucinations via Representation Vulnerabilities
di: Islam, Chashi Mahiul, et al.
Pubblicazione: (2025)

Can LLMs Assist Computer Education? an Empirical Case Study of DeepSeek
di: Xiao, Dongfu, et al.
Pubblicazione: (2025)

Seek-CAD: A Self-refined Generative Modeling for 3D Parametric CAD Using Local Inference via DeepSeek
di: Li, Xueyang, et al.
Pubblicazione: (2025)

General OCR Theory: Towards OCR-2.0 via a Unified End-to-end Model
di: Wei, Haoran, et al.
Pubblicazione: (2024)

From ChatGPT to DeepSeek AI: A Comprehensive Analysis of Evolution, Deviation, and Future Implications in AI-Language Models
di: Singh, Simrandeep, et al.
Pubblicazione: (2025)

MHA2MLA-VLM: Enabling DeepSeek's Economical Multi-Head Latent Attention across Vision-Language Models
di: Fan, Xiaoran, et al.
Pubblicazione: (2026)

Can DeepSeek Reason Like a Surgeon? An Empirical Evaluation for Vision-Language Understanding in Robotic-Assisted Surgery
di: Ma, Boyi, et al.
Pubblicazione: (2025)

Flow4Agent: Long-form Video Understanding via Motion Prior from Optical Flow
di: Liu, Ruyang, et al.
Pubblicazione: (2025)

Comparative Analysis of OpenAI GPT-4o and DeepSeek R1 for Scientific Text Categorization Using Prompt Engineering
di: Maiti, Aniruddha, et al.
Pubblicazione: (2025)

DeepSeek-Inspired Exploration of RL-based LLMs and Synergy with Wireless Networks: A Survey
di: Qiao, Yu, et al.
Pubblicazione: (2025)

When Good OCR Is Not Enough: Benchmarking OCR Robustness for Retrieval-Augmented Generation
di: Sun, Lin, et al.
Pubblicazione: (2026)

Hierarchical Visual Feature Aggregation for OCR-Free Document Understanding
di: Park, Jaeyoo, et al.
Pubblicazione: (2024)

olmOCR 2: Unit Test Rewards for Document OCR
di: Poznanski, Jake, et al.
Pubblicazione: (2025)

Q-Mask: Query-driven Causal Masks for Text Anchoring in OCR-Oriented Vision-Language Models
di: Xu, Longwei, et al.
Pubblicazione: (2026)

OCR-Agent: Agentic OCR with Capability and Memory Reflection
di: Wen, Shimin, et al.
Pubblicazione: (2026)

OmniOCR: Generalist OCR for Ethnic Minority Languages
di: Liu, Bonan, et al.
Pubblicazione: (2026)

FinCriticalED: A Visual Benchmark for Financial Fact-Level OCR
di: He, Yueru, et al.
Pubblicazione: (2025)

OCR Hinders RAG: Evaluating the Cascading Impact of OCR on Retrieval-Augmented Generation
di: Zhang, Junyuan, et al.
Pubblicazione: (2024)

OmniForcing: Unleashing Real-time Joint Audio-Visual Generation
di: Su, Yaofeng, et al.
Pubblicazione: (2026)

KG-ViP: Bridging Knowledge Grounding and Visual Perception in Multi-modal LLMs for Visual Question Answering
di: Li, Zhiyang, et al.
Pubblicazione: (2026)

ABot-OCR Technical Report
di: Jiang, Kaitao, et al.
Pubblicazione: (2026)

Context-Independent OCR with Multimodal LLMs: Effects of Image Resolution and Visual Complexity
di: Inoue, Kotaro
Pubblicazione: (2025)

DEVICE: Depth and Visual Concepts Aware Transformer for OCR-based Image Captioning
di: Xu, Dongsheng, et al.
Pubblicazione: (2023)

MME-VideoOCR: Evaluating OCR-Based Capabilities of Multimodal LLMs in Video Scenarios
di: Shi, Yang, et al.
Pubblicazione: (2025)

Ocean-OCR: Towards General OCR Application via a Vision-Language Model
di: Chen, Song, et al.
Pubblicazione: (2025)

Causal Transformer for Fusion and Pose Estimation in Deep Visual Inertial Odometry
di: Kurt, Yunus Bilge, et al.
Pubblicazione: (2024)

Seeking and Updating with Live Visual Knowledge
di: Fu, Mingyang, et al.
Pubblicazione: (2025)

Agentar-Fin-OCR
di: Qian, Siyi, et al.
Pubblicazione: (2026)

EFF-Grasp: Energy-Field Flow Matching for Physics-Aware Dexterous Grasp Generation
di: Zhao, Yukun, et al.
Pubblicazione: (2026)

CC-OCR: A Comprehensive and Challenging OCR Benchmark for Evaluating Large Multimodal Models in Literacy
di: Yang, Zhibo, et al.
Pubblicazione: (2024)

The Devil is in the Details -- From OCR for Old Church Slavonic to Purely Visual Stemma Reconstruction
di: Hoenen, Armin
Pubblicazione: (2026)

Counterfeit Answers: Adversarial Forgery against OCR-Free Document Visual Question Answering
di: Pintore, Marco, et al.
Pubblicazione: (2025)

Flow to the Mode: Mode-Seeking Diffusion Autoencoders for State-of-the-Art Image Tokenization
di: Sargent, Kyle, et al.
Pubblicazione: (2025)

FlowSeek: Optical Flow Made Easier with Depth Foundation Models and Motion Bases
di: Poggi, Matteo, et al.
Pubblicazione: (2025)

Adversarial Training with OCR Modality Perturbation for Scene-Text Visual Question Answering
di: Shen, Zhixuan, et al.
Pubblicazione: (2024)

Seek-and-Solve: Benchmarking MLLMs for Visual Clue-Driven Reasoning in Daily Scenarios
di: Li, Xiaomin, et al.
Pubblicazione: (2026)