ginzanomama https://blog.hatena.ne.jp/ginzanomama/ みんなのちからになりたい https://ginzanomama.hatenablog.com/ 1. 画像でテキストをトークン圧縮するDeepSeek-OCRがいろいろすごい 中国DeepSeekがトークン圧縮を目的に開発したOCRモデル。テキストを画像化してトークン化し、再度テキストに戻すアプローチで高精度を実現。3B MoEモデルで有価証券報告書や免許証の読み取りがほぼ完璧。位置検出機能も搭載し、Qwen3-VLと比較しても優位。 主なトピック: DeepSeek-OCR: テキストを画像化してトークン数を削減するアプローチで開発されたOCRモデル MoEモデル: 3Bでアクティブパラメータ0.6B、0.4Bの画像エンコーダーを搭載した効率的な構造 高精度OCR: 有価証券報告書の表… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fginzanomama.hatenablog.com%2Fentry%2F2025%2F10%2F23%2F055211" title="今日の巡回 - みんなのちからになりたい" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2025-10-23 05:52:11 rich https://ginzanomama.hatenablog.com/entry/2025/10/23/055211 1.0 100%