text-vs-images

标签

#text-vs-images

文本、像素，还是两者兼有？评估多模态文档问答的输入表示

arXiv cs.AI ↗ · 2026-09-23 缓存

本文系统地评估了多模态文档问答的输入表示（图像、文本或两者），发现图像可以提高准确性但增加延迟，并提出了一种TF-IDF路由机制来优化性能。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈