Xi'an Jiaotong University（西安交通大学）

Boosting Document Parsing Efficiency and Performance with Coarse-to-Fine Visual Processing

通过粗到细的视觉处理提升文档解析效率和性能

Cheng Cui, Ting Sun, Suyin Liang, Tingquan Gao, Zelun Zhang, Jiaxuan Liu, Xueqing Wang, Changda Zhou, Hongen Liu, Manhui Lin, Yue Zhang, Yubo Zhang, Jing Zhang, Jun Zhang, Xing Wei, Yi Liu, Dianhai Yu, Yanjun Ma

机构 * PaddlePaddle Team, Baidu Inc.（百度公司飞桨团队） ； Xi’an Jiaotong University（西安交通大学） 纠错

AI总结 本文提出PaddleOCR-VL模型，通过粗到细的视觉处理方法，减少冗余视觉区域，提升文档解析和识别的效率与性能，实验表明其在页面级和元素级识别上均达到最优。

Comments Accepted by CVPR2026