标签
MonkeyOCRv2是一个用于文档AI的视觉-文本基础模型，在涵盖17种语言的1.13亿张图像的大规模语料库上进行了预训练，采用联合图像到文本生成和像素级文档重建。它在文档解析和理解任务上取得了最先进的结果，以更小的视觉编码器超越了之前的模型。