🎯 Что это? Нейросеть, большая визуально-языковая модель (LVLM) для комплексного понимания таблиц.
- 📌 Задача: обнаруживать таблицы на изображениях, распознавать структуру, отвечать на вопросы по данным таблиц.
- 🏢 Создатели: ByteDance (создатели TikTok) + Университет науки и технологий Китая (USTC) + исследователь Zhao Weicheng.
- 🎓 Аудитория: ML-инженеры, data scientists, IT-команды, исследователи в области ИИ.
- 🌍 Где доступна: код и веса на GitHub (github.com/zhaowc-ustc/TabPedia), датасет ComTQA на Hugging Face.
💡 Ключевая идея: Единая сквозная модель (детекция + распознавание + Q&A) на основе LLM с двойными визуальными энкодерами и механизмом «концептуальной синергии».