M iner U 2.5: A Decoupled Vision-Language Model for Efficient High-Resolution Document Parsing
Junbo Niu · Zheng Liu · Zhuangcheng Gu · Bin Wang · Linke Ouyang · Zhiyuan Zhao · Tao Chu · Tianyao He · Fan Wu · Qintong Zhang · Zhenjiang Jin · Guang Liang · Rui Zhang · Wenzheng Zhang · Yuan Qu · Zhifei Ren · Yuefeng Sun · Zirui Tang · Boyu Niu · Yuanhong Zheng · Dongsheng Ma · Ziyang Miao · Hejun Dong · Siyi Qian · Junyuan Zhang · Fangdong Wang · Jingzhou Chen · Xiaomeng Zhao · Liqun Wei · Wei Li · Shasha Wang · RuiLiang Xu · Yuanyuan Cao · Lu Chen · Qianqian Wu · Huaiyu Gu · Lindong Lu · Dechen Lin · Shenguanlin · Xuanhe Zhou · Linfeng Zhang · Yuhang Zang · Xiaoyi Dong · Jiaqi Wang · Bo Zhang · LEI BAI · Pei Chu · Weijia Li · Jiang Wu · Lijun Wu · Zhenxiang Li · Guangyu Wang · Zhongying Tu · Chao Xu · Kai Chen · Bowen Zhou · Dahua Lin · Wentao Zhang · Conghui He
摘要
We introduce MinerU2.5, a 1.2B-parameter document parsing vision-language model that achieves state-of-the-art recognition accuracy while maintaining exceptional computational efficiency. Our approach employs a coarse-to-fine, two-stage parsing strategy that decouples global layout analysis from...