DeepSeek-OCR 2: Visual Causal Flow

DeepSeek-OCR 2：视觉因果流

📅 2026-01-28👤 DeepSeek Team📄 arXiv: 2601.20552📊 中等

OCR视觉因果文档理解DeepEncoder

中文摘要

DeepSeek-OCR-2 引入视觉因果流（Visual Causal Flow）概念，通过 DeepEncoder V2 动态重排序视觉 token，探索 2D 图像理解的新范式。相比传统 OCR 方法，该模型能够捕捉图像中元素之间的因果关系，实现更准确的文本识别和场景理解。在文档分析、表格识别、手写体识别等任务上显著超越现有技术。

DeepSeek-OCR-2 introduces Visual Causal Flow, dynamically reordering visual tokens through DeepEncoder V2 to explore new paradigms in 2D image understanding.

快速链接

PDF 下载 arXiv 原文 GitHub 查看翻译 (2%)

核心贡献

引入视觉因果流（Visual Causal Flow）概念，探索 2D 图像理解新范式
通过 DeepEncoder V2 动态重排序视觉 token，捕捉图像元素间的因果关系
在文档分析、表格识别、手写体识别等任务上显著超越现有技术
相比传统 OCR 方法，实现更准确的文本识别和场景理解

技术细节

架构	DeepEncoder V2 + 视觉因果流
核心创新	动态视觉 token 重排序 + 因果关系建模
应用场景	文档分析、表格识别、手写体识别
性能	在多项 OCR 和文档理解基准上达到 SOTA

💡 阅读建议

重点理解视觉因果流的数学定义和实现方式。建议先阅读 DeepSeek-OCR 了解基础方法。