关于本 Wiki

这是一个公开的中文 OCR 与文档智能研究知识库，持续整理深度学习、计算机视觉、自然语言处理、OCR 与文档解析领域的重要论文和方法。

目标

• 提炼论文中的核心 idea、方法、架构选择、实验结论与工程经验。
• 建立论文、研究者、机构与技术概念之间的双向链接。
• 逐步形成一套面向 OCR 与文档智能研究者的系统化中文参考资料。

内容标准

• 准确：关键结论尽量回到论文原文核对，并提供 arXiv、DOI 或官方页面。
• 系统：从基础概念、核心架构到前沿论文，按知识关系组织，而非简单堆放摘要。
• 可复用：关注方法为什么有效、适用边界、代价和可迁移的设计经验。
• 中文书写：专有名词、模型名和必要术语保留英文。

内容范围

• 深度学习与 Transformer 基础
• 目标检测、视觉编码器与自监督学习
• OCR、文档版面分析与结构化解析
• 自回归生成、解码加速与视觉 token 压缩
• 训练策略、数据构造、评测方法与系统比较

页面类型

• sources/：论文与资料精读
• concepts/：理论、方法和技术概念
• entities/：研究者、机构、产品与模型
• comparisons/：并列比较
• synthesis/：跨论文专题综述

从 内容目录 开始浏览。