我要投稿
微信搜一搜，关注“探索AGI”
今天给大家分享一个开源框架，之前分享过一个使用QwenVL来构建的RAG系统脚本。这2天刷网页，看到一个仓库囊括了以视觉出发的RAG几层境界，并且都开源了相关colab notebook可执行代码，所以再次安利给家人们~
Level 1：Simple RAG (with OCR)
与naive RAG系统类似，不过多了OCR环节，因此它可以应付扫描件之类的pdf场景。
Level2: Vision RAG
一种比较常见的模式，使用一些跨模态的向量模型如Clip，文本和图像都被编码到共享向量空间中。检索回相关的图片之后，可以使用VL模型分析，或者解析成文本均可。
Vision RAG 对于文档分析任务特别有用，因为一些视觉组件（如图形、图表）与文本内容同样重要。
Level3: ColPali RAG
ColPali RAG 是一个新方法，利用了 Google 的视觉大模型 PaliGemma，将整个文档页面编码为香莲，将页面布局和视觉元素视为检索过程的一部分。
通过在用户query和文档patchs之间使用token级匹配来增强检索。这种方法确保了较高的检索准确性，同时还保持了合理的索引和查询速度。
它对于富含视觉效果的文档特别有用，例如信息图表、表格和复杂布局，而传统的基于文本的检索方法在这些文档中比较难处理。
当然ColPali的性能也是非常慢的
Level4: Hybrid ColPali RAG
这个是本项目命名的一个名字，他将Level2的向量检索进行粗召回，利用Level3的Colpali进行交互式精排。使得整个系统的推理耗时得到保证，当文档包含复杂的视觉信息和文本混合时，这种方法比较有用，允许系统利用这两种内容类型进行高度准确的文档检索。
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2025-06-15
字节跳动开源的工作流引擎真有点东西
2025-06-15
构建强大AI智能体的10大开源利器！
2025-06-14
从天价咨询到免费AI，夸克能改变志愿填报这门生意吗？
2025-06-14
开源破局，中国AI正在改写全球竞争格局！
2025-06-13
MinerU-利用专用LLM模型提取PDF内容的工具实测
2025-06-13
官宣|Milvus 2.6正式开源：内存减少 72%，速度比ES快4倍
2025-06-13
CoCo：全球首个“有记忆”的企业级AI Agent
2025-06-13
OpenAI 三连更：Team 上线 o3-pro、o3 额度翻倍、Projects 大升级！
2025-03-19
2025-03-19
2025-04-01
2025-04-13
2025-04-01
2025-04-29
2025-03-19
2025-03-23
2025-03-22
2025-04-12
2025-06-14
2025-06-10
2025-06-08
2025-05-28
2025-05-28
2025-05-26
2025-05-25
2025-05-23
回到顶部
粤ICP备17114055号