OCR 2 ビジョン

DeepSeek OCR 2は、視覚的なドキュメント理解におけるパラダイムシフトを表しています。視覚的理解を生成から分離する新しい「DeepEncoder V2」アーキテクチャを利用しています。人間のような読み取り順序でドキュメントを理解するように訓練されており、複雑なレイアウト、ネストされた表、数式をピクセルからMarkdown/LaTeXに完全に再構築することができます。

OCR 2は「ダイナミックタイリング」戦略を採用しており、歪みなくあらゆるアスペクト比の高解像度入力を処理します。Janus-Proフレームワークを搭載しており、視覚的特徴抽出（SigLIP）と視覚的トークン生成（VQ）に別々のエンコーダーを使用することで、高い意味的理解と正確な詳細再構築の両方を保証します。