Project Icon

layoutlm-document-qa

LayoutLM文档智能问答模型

LayoutLM文档智能问答模型是一个经过SQuAD2.0和DocVQA数据集微调的多模态模型。它能够准确回答发票、合同等各类文档图像中的问题,支持简单的Python代码调用。该模型为文档信息提取和理解提供了高效便捷的解决方案,适用于多种文档处理场景。

layout-parser - 文档图像分析的深度学习工具包
GithubLayout ParserOCR开源项目文档图像分析模型检测深度学习
LayoutParser提供多种深度学习模型和统一API,简化文档图像分析任务。支持布局检测、OCR、数据可视化等功能,并允许共享模型和分析流程。安装简便,可根据需求选择依赖项,是文档图像处理的理想工具。
paper-qa - 高效PDF与文本文件问答工具
GithubLLMOpenAIPDF解析PaperQAlangchain开源项目
PaperQA是一款轻量级工具,专为从PDF和文本文件中进行问答设计,通过内嵌引用确保答案准确。默认使用OpenAI Embeddings,支持与langchain和开源模型结合。其流程包括文档向量化、查询向量化、文档搜索、摘要生成、相关摘要选择,并生成最终答案。PaperQA支持异步操作,兼容多种LLM,并提供多种自定义和扩展选项,如本地向量存储和Zotero数据库集成,是科研人员高效处理文档问答的理想选择。
paper-qa - 基于文档的智能问答系统 实现精准信息检索和回答生成
GithubLLMPaperQA嵌入式向量开源项目异步处理文献问答
paper-qa是一款轻量级文档问答工具包,专门从PDF和文本文件中提取信息并生成回答。通过文档嵌入、向量搜索和摘要生成等技术,结合大型语言模型,paper-qa能够提供高质量且有据可依的回答。支持OpenAI、Anthropic等多种嵌入和语言模型,并可集成本地托管模型。工具提供异步API,支持自定义文档添加和引用格式推断,还可整合外部向量存储。这些特性使paper-qa成为科研和信息检索领域的实用解决方案。
drqa - 结合Langchain与大型语言模型实现文档问答
GPT-3GithubLangChainPDF文档Qdrant开源项目问答系统
该项目构建了一个结合Langchain与大型语言模型(如OpenAI的GPT-3)的问答系统,旨在准确回答问题。系统前端采用React/Typescript开发,后端使用FastAPI框架,实现了PDF文档到文本的转换和嵌入处理,同时支持多种文档类型并优化了搜索与检索速度。项目有效减少了API调用成本,并规划了多项未来改进,如流处理、缓存机制、UI优化和长对话的记忆与总结功能。
llmdocparser - 基于LLM的智能PDF解析与内容分析工具包
GithubLLMDocParserPDF解析多模态模型布局分析开源项目文本分析
LLMDocParser是一款智能PDF解析和内容分析工具包,结合大型语言模型(LLM)技术。该工具采用布局分析模型识别PDF文档中的文本、标题、图表等元素,并通过多模态模型实现智能解析。支持Azure、OpenAI等多种LLM平台,LLMDocParser能高效处理复杂PDF文档,为RAG解决方案提供结构化文本输出,适用于各类文档智能化处理场景。
Knowledge-QA-LLM - 开源本地知识库智能问答系统
GithubKnowledge QA LLM大语言模型开源项目本地知识库模块化设计问答系统
Knowledge-QA-LLM是一个开源的本地知识库智能问答系统,基于大语言模型构建。系统采用模块化设计,支持多种常见文档格式,易于部署和扩展。项目独立于lanchain库,组件可灵活替换,代码结构清晰。除大语言模型接口外,其他部分支持CPU运行,适用于各种规模的应用场景。
chatpdflike - 基于OpenAI大语言模型API的端到端文档问答功能
Githubchatpdflikeembeddinggpt-turboopenai大语言模型开源项目
chatpdflike项目实现了基于OpenAI大语言模型API的端到端文档问答功能。流程包括文本切割、用户提问、向量搜索和gpt-turbo调用。用户需要配置OPENAI_API_KEY并运行代码,项目提供了详细的安装步骤和效果演示。
large-ocr-model.github.io - OCR 技术提升多模态大模型视觉问答性能研究
GithubOCR多模态大型模型开源项目缩放法则视觉问答
本项目研究 OCR 技术对多模态大模型性能的影响。实验表明,OCR 能显著提高模型在视觉问答任务中的表现。研究者构建了 REBU-Syn 数据集,验证了 OCR 领域的缩放法则,并开发了高精度 OCR 模型。这项工作为多模态大模型的应用开辟了新方向,揭示了 OCR 在增强模型能力方面的重要价值。
ban-vqa - 高性能视觉问答与图像实体定位模型
Bilinear Attention NetworksGithub图像处理开源项目深度学习神经网络视觉问答
项目实现了Bilinear Attention Networks,应用于视觉问答和图像实体定位。VQA 2.0测试集上性能优异,单模型得分70.35,集成模型达71.84。Flickr30k实体任务中,Recall@1/5/10分别为69.88/84.39/86.40。基于PyTorch构建,包含预训练模型和完整工作流程,便于进行相关研究或实际应用开发。
Q-Bench - 评测多模态大语言模型的低层视觉能力
GithubICLR2024Q-Bench低层视觉基准测试多模态大语言模型开源项目
Q-Bench是一个评估多模态大语言模型低层视觉能力的基准测试。它通过感知、描述和评估三个领域,使用LLVisionQA和LLDescribe数据集测试模型性能。该项目采用开放式评估框架,支持研究者提交结果或模型。Q-Bench对比了开源和闭源模型的表现,并与人类专家水平进行对照,为深入理解和提升多模态AI的基础视觉处理能力提供了关键洞察。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号