ラグ

必要なのは視覚だけ：視覚言語モデルを用いた知的文書検索システムの構築 (Vision RAG)

Vision-is-all-you-needは革新的なビジュアルRAG（Retrieval Augmented Generation）システム実証プロジェクトであり、文書処理領域にビジュアル言語モデリング（VLM）を適用する新境地を開くものである。従来のテキストチャンキング手法とは異なり、このシステムではPDFファイルのページ画像を処理するために視覚言語モデルを直接使用します。