Logo
Project Icon

parseq

创新的场景文本识别统一模型

场景文本识别PARSeq深度学习计算机视觉ECCVGithub开源项目

PARSeq是一种创新的场景文本识别模型，采用置换自回归序列方法，实现了上下文无关和上下文感知推理及迭代预测细化。该模型统一了现有STR解码方法，无需独立语言模型，在多个基准数据集上展现出优异性能，同时保持较低计算成本。PARSeq支持灵活的字符集训练和多种评估配置，为OCR应用提供了高效而强大的解决方案。

访问官网访问官网GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
open-parse - 高效复杂文档解析和语义分析库
AI应用GithubMarkdown支持Open Parse开源项目文档解析语义处理
Open Parse是一个开源的文档解析库，专注于处理复杂文档结构。它采用视觉分析方法识别文档布局，实现精确分块。该工具支持Markdown语法，具备高精度表格解析能力，并允许用户自定义后处理步骤。Open Parse集成了语义处理功能，能够模拟人类的文档分割方式，为RAG系统和AI应用提供了强大的文档处理基础。
doctr-torch-parseq-multilingual-v1 - 多语言OCR解决方案，兼具TensorFlow 2和PyTorch兼容性
DoctrGithubHuggingfacePyTorchTensorFlow 2光学字符识别开源项目模型模型预测
该项目是一种多语言光学字符识别（OCR）工具，支持TensorFlow 2和PyTorch，提供了流畅的用户体验。开发者可通过Python代码方便地加载和预测模型，实现从文字检测到识别的完整流程，非常适合需要多语言处理的应用。
sd-parseq - 优化Stable Diffusion动画生成的参数调节工具，支持音频同步
Automatic1111DeforumGithubParseqStable Diffusion参数序列器开源项目
Parseq是一个为Deforum扩展设计的参数序列器，允许用户通过脚本化的插值方式控制Stable Diffusion的参数，从而生成动画并实现音频同步。Parseq支持复杂的表达式语言，能够处理变焦、平移及3D旋转等输入参数，并提供前端存储和本地处理的便利。它与Automatic1111的Stable Diffusion界面集成简便，显著简化动画制作流程，并支持模块化管理和分享工作。
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。
AdaSeq - 完善的序列理解模型开发库，涵盖多种高级任务
AdaSeqGithubModelScopePyTorch命名实体识别序列理解开源项目
AdaSeq是由阿里巴巴达摩院开发的一体化序列理解工具库，构建在ModelScope之上。支持词性标注、分块、命名实体识别、实体类型化、关系抽取等多种任务。提供丰富的前沿模型和训练方法，优于许多现有框架。该库使用简便，只需一行命令即可生成模型，支持自定义模型和数据集。适用于研究人员和开发者，项目处于快速开发阶段，并提供多语言、多领域的数据集和在线演示。
face-parsing - Segformer语义分割模型实现精准人脸解析
CelebAMask-HQGithubHuggingfacenvidia/mit-b5transformers开源项目模型语义分割面部解析
face-parsing是一个基于Segformer的语义分割模型，专注于人脸解析任务。该模型由nvidia/mit-b5在CelebAMask-HQ数据集上微调，可精确识别和分割19个人脸关键区域。支持Python和浏览器环境，提供详细使用指南。适用于人脸分析和编辑应用，但使用时需考虑潜在的社会偏见问题。
Parseur - 智能文档数据提取解决方案
AI工具AI数据提取OCR软件Parseur文档解析自动化数据录入
Parseur是一款智能文档数据提取软件，利用AI技术自动从PDF、邮件等多种格式中识别和提取关键信息。无需复杂设置，即可将结构化数据轻松导出至各类业务系统，大幅提升数据处理效率。适用于金融、物流、人力资源等多个领域的数据提取自动化需求。
deep-text-recognition-benchmark - 基于深度学习方法的文本识别
GithubPyTorch场景文本识别开源项目数据集模型分析深度学习
该项目是一个开源的场景文本识别框架，通过四阶段的官方PyTorch实现，支持现有大多数STR模型。它允许在统一的数据集上，评估各个模块的性能表现，包括准确性、速度和内存需求，并已被多个国际竞赛验证。用户可使用预训练模型进行测试，或进行更深入研究。
omniparse - 多类型非结构化数据解析与结构化平台
GithubOmniParse多媒体处理开源项目文档解析结构化数据网页爬取
OmniParse是一个专注于非结构化数据处理的开源平台。该平台能够解析文档、表格、图像、视频、音频和网页等多种格式，将其转化为结构化数据，以便于生成式AI应用使用。OmniParse支持约20种文件类型，具备本地处理能力，无需依赖外部API。这使其适用于多种AI应用场景，包括检索增强生成(RAG)和模型微调等。
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。
相关项目
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

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
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