Hugging Face 發布 Falcon 感知模型和 OCR
hugging face 發布了 falcon perception，這是一個用於視覺任務的統一 transformer 架構，以及 0.3b 參數的 falcon ocr 模型。falcon ocr 在 olmocr 上得分 80.3，在 omnidocbench 上得分 88.6，實現了目前所有開源 ocr 模型中的最高吞吐量。該架構使用早期融合和感知鏈來處理密集預測，無需模組化流水線。
Hugging Face 發布了 Falcon Perception，一種用於感知任務的開源早期融合 Transformer 架構，以及 Falcon OCR。Falcon OCR 是一個擁有 0.3B 個參數的模型，在 olmOCR 基準測試中獲得了 80.3 分，在 OmniDocBench 上獲得了 88.6 分。Hugging Face 表示，該模型提供了目前所有開源 OCR 模型中最高的吞吐量。
Falcon Perception 架構放棄了模組化流程，而是採用單一自回歸主幹。它採用了一種混合注意力掩碼，其中圖像 token 雙向關注，而文本 token 因果關注。該系統使用「感知鏈」（Chain-of-Perception）方法，將密集預測分解為三個順序步驟：座標、大小和分割掩碼。