放弃大模型后，文档解析反而更快更准

ECCV 2026刚公布的入选论文里，百度PaddleOCR团队的RT-DocLayout让我看了好几遍。
33M参数。132.1 FPS。版面分析SOTA。

以前用VLM做文档解析有个死穴：遇到拍照的弯纸、歪光、透视变形，定位就不准。框表格不是多了就是少了。

RT-DocLayout换了个思路：不用边界框，用像素级分割，每个元素精确到像素。还专门做了物理空间数据增强，把纸张弯曲和拍摄角度变化直接在训练阶段喂给模型。

我的判断：文档解析的未来不是大模型通吃一切，是专用小模型做定位 + VLM做理解的组合拳。

#ECCV2026 #ECCV #百度 #PaddleOCR #百度OCR #文心#文心大模型