कृत्रिम बुद्धिमत्ता तकनीक के निरंतर विकास के साथ, दृश्य और टेक्स्ट डेटा का融合 एक जटिल चुनौती बन गया है। पारंपरिक मॉडल अक्सर टेबल, चार्ट, इन्फोग्राफिक्स और चित्रित संरचित दृश्य दस्तावेज़ों को सही ढंग से解析 करने में असमर्थ होते हैं, यह सीमा स्वचालित सामग्री निकासी और समझने की क्षमता को प्रभावित करती है, और इस प्रकार डेटा विश्लेषण, सूचना पुनर्प्राप्ति और निर्णय लेने जैसे अनुप्रयोगों को प्रभावित करती है। इस मांग का सामना करते हुए, IBM ने हाल ही में Granite-Vision-3.1-2B जारी किया, जो दस्तावेज़ समझने के लिए डिज़ाइन किया गया एक छोटा विज़ुअल लैंग्वेज मॉडल है। Granite-Visi