近日，人工智能領(lǐng)域迎來一項(xiàng)重要突破，DeepSeek團(tuán)隊(duì)在OCR（光學(xué)字符識別）技術(shù)上取得顯著進(jìn)展。該團(tuán)隊(duì)正式發(fā)布名為《DeepSeek-OCR 2: Visual Causal Flow》的學(xué)術(shù)論文，并同步開源其最新研發(fā)的DeepSeek-OCR 2模型，為圖像理解領(lǐng)域注入新的技術(shù)活力。

這款新型模型的核心創(chuàng)新在于引入了DeepEncoder V2架構(gòu)。與傳統(tǒng)OCR技術(shù)按固定順序處理圖像信息不同，該架構(gòu)能夠模擬人類視覺認(rèn)知模式，通過分析圖像內(nèi)容之間的邏輯關(guān)聯(lián)，動態(tài)調(diào)整圖像各部分的編碼順序。這種處理方式使AI系統(tǒng)在識別復(fù)雜場景時(shí)，能夠更精準(zhǔn)地把握圖像中不同元素的主次關(guān)系和空間層次。

技術(shù)團(tuán)隊(duì)介紹，DeepEncoder V2通過構(gòu)建視覺因果流網(wǎng)絡(luò)，實(shí)現(xiàn)了對圖像信息的自適應(yīng)重組。在處理包含多元素、多層次結(jié)構(gòu)的圖像時(shí)，系統(tǒng)會先識別關(guān)鍵信息節(jié)點(diǎn)，再根據(jù)語義關(guān)聯(lián)性確定處理優(yōu)先級，最終生成更符合人類認(rèn)知習(xí)慣的編碼序列。這種機(jī)制顯著提升了模型在復(fù)雜場景下的識別準(zhǔn)確率和處理效率。

目前，該模型已在文檔分析、工業(yè)檢測、醫(yī)療影像等多個(gè)領(lǐng)域展開測試。初步應(yīng)用結(jié)果顯示，在處理排版復(fù)雜的文檔或遮擋嚴(yán)重的工業(yè)零件圖像時(shí)，新模型的識別準(zhǔn)確率較前代產(chǎn)品提升約23%，處理速度提高15%。研究團(tuán)隊(duì)表示，將持續(xù)優(yōu)化模型架構(gòu)，探索其在自動駕駛、機(jī)器人視覺等更廣泛場景中的應(yīng)用潛力。