DeepSeek-OCR：从大模型视角重构视觉文本压缩的探索 | deepseek-ai/DeepSeek-OCR
项目在做什么 DeepSeek-OCR 是一个视觉-文本压缩模型，输入图像，输出文字。它不依赖传统 OCR 的字符位置识别，而是把整页图像压缩成 LLM 内部的上下文表示，再解码成自然语言。官方把这套方法称为“光学压缩”（Optical Compression）。 模型接受的 prompt 是 nF...
项目在做什么 DeepSeek-OCR 是一个视觉-文本压缩模型，输入图像，输出文字。它不依赖传统 OCR 的字符位置识别，而是把整页图像压缩成 LLM 内部的上下文表示，再解码成自然语言。官方把这套方法称为“光学压缩”（Optical Compression）。 模型接受的 prompt 是 nF...