برنامه نویسی
Watermarks Cripple Document AI: 8-19 ٪ DROP! مطالعه جدید تأثیر را نشان می دهد

این یک خلاصه مقاله انگلیسی ساده از یک مقاله تحقیقاتی به نام Watermarks Cripple Document AI: 8-19 ٪ Drop Accuracy! مطالعه جدید تأثیر را نشان می دهد. اگر این نوع تحلیل ها را دوست دارید ، باید به Aimodels.fyi بپیوندید یا ما را در توییتر دنبال کنید.
نمای کلی
- علامت های آبی با کاهش دقت از 8-19 ٪ در طول کارها ، درک VLM ها را تحت تأثیر قرار می دهند
- مدل های بزرگ (پارامترهای 10b+) مقاومت بیشتری نسبت به علامت گذاری نسبت به مدل های کوچکتر نشان می دهند
- علامت های غیر تهاجمی RBGA باعث تخریب عملکرد کمتری نسبت به موارد قابل مشاهده می شوند
- وظایف خاص اسناد مانند درک فرم بیشتر از علامت گذاری رنج می برند
- معیار ایجاد شده با 5 روش علامت گذاری در 8 کار درک اسناد
توضیح انگلیسی ساده
تصاویر علامت گذاری به یک روش معمول برای محافظت از محتوای دارای حق چاپ تبدیل شده است. برای اثبات مالکیت ، به علامت هایی مانند امضاهای دیجیتالی که روی تصاویر مهر شده اند ، فکر کنید. اما این یک مشکل برای سیستم های هوش مصنوعی در تلاش برای درک اسناد ایجاد می کند.
مدل های زبان بصری (VLM) AI …
برای خواندن خلاصه کامل این مقاله اینجا را کلیک کنید