docling-models

将PDF文档中的版式与表格结构自动识别的开源模型

TableFormer PDF文档转换开源项目布局分析 Docling Github 表结构识别模型 Huggingface

docling模型支持PDF文档的布局与表格结构分析。布局模型使用RT-DETR技术识别版式元素，如标题、脚注与图片，性能接近人类标准。TableFormer模型则在表格结构识别上表现优异，准确识别复杂表格。该项目可应用于多种需要文档处理的场景。

layoutlm-base-uncased - LayoutLM模型融合文本布局图像信息提升文档AI效能

GithubHuggingfaceLayoutLM开源项目文本布局文档AI文档理解模型预训练模型

LayoutLM是一种文档AI预训练模型，结合文本、布局和图像信息，提升文档图像理解和信息提取能力。该模型在表单和收据理解等任务中表现优异。LayoutLM-base-uncased版本采用12层结构，768维隐藏层，12个注意力头，共113M参数，经1100万份文档2轮训练。这一模型为文档AI领域带来突破，提高了复杂文档处理效率。

layoutxlm-base - 跨语言文档智能分析的多模态预训练技术

GithubHuggingfaceLayoutXLM多模态预训练开源项目文档AI模型视觉文档理解跨语言理解

LayoutXLM作为LayoutLMv2的语言扩展版本，整合文本、布局和图像信息，实现文档智能处理。这个预训练模型专注于解决视觉文档理解中的语言障碍，经XFUND数据集测试，在跨语言文档处理任务中展现出优异性能。

layoutlm-document-qa - LayoutLM文档智能问答模型

GithubHuggingfaceLayoutLM图像识别开源项目文档问答模型自然语言处理视觉问答

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。

surya_tablerec - 基于transformers的高效表格识别模型提升文档分析效率

GithubHuggingfacesuryatransformers开源项目模型表格识别

surya_tablerec是一个基于transformers库的开源表格识别模型，专为surya项目开发。该模型能够识别和提取文档中的表格结构，适用于处理各种复杂的表格布局。surya_tablerec可帮助研究人员和数据分析师从大量文档中快速提取表格信息，提高文档分析效率。该项目采用CC-BY-NC-SA-4.0许可证，可用于非商业用途。

layoutlmv2-base-uncased - LayoutLMv2为文档理解带来突破性进展

GithubHuggingfaceLayoutLMv2多模态预训练开源项目文档AI模型自然语言处理视觉文档理解

LayoutLMv2是一种先进的多模态预训练模型，整合了文本、版面布局和图像信息，专门用于文档智能处理。该模型在FUNSD、CORD、SROIE等多个文档理解任务中创下新纪录，显著优于现有方法。通过创新的预训练任务，LayoutLMv2有效捕捉了文本、布局和图像之间的复杂关系，大幅提升了对富视觉信息文档的理解能力。作为文档AI领域的重要突破，LayoutLMv2为各类文档智能应用奠定了坚实基础。

layoutlmv3-base - 多模态文档AI预训练模型

Document AIGithubHuggingfaceLayoutLMv3多模态预训练开源项目文本图像掩码文档人工智能模型

LayoutLMv3是一款文档AI预训练模型，采用统一的文本和图像掩码方法。该模型架构简单，训练目标明确，适用于多种文档AI任务。通过微调，LayoutLMv3可用于表单理解、收据识别、文档问答等文本相关任务，以及文档图像分类、文档布局分析等图像相关任务。作为通用预训练模型，LayoutLMv3在文档AI领域的多项任务中表现出色。

dit-base - 面向文档智能处理的自监督预训练图像Transformer模型

DiTGithubHuggingface图像编码开源项目文档分析文档图像转换器模型自监督预训练

DiT-base是一款基于Transformer架构的文档图像处理模型，通过在4200万份文档图像上进行自监督预训练而成。该模型运用掩码补全任务来学习图像的内部表示，可应用于文档分类、表格检测和版面分析等多种任务。DiT-base能够将文档图像编码为向量，为文档智能处理领域的各类应用奠定了基础。

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。

TF-ID-large-no-caption - 学术文献中图表精准识别工具

GithubHuggingfaceTF-ID图像识别学术论文对象检测开源项目模型表格提取

TF-ID项目专注于精准提取学术论文中的表格和图形，由高效的TF-ID-large-no-caption版本支持。该项目来自Yifei Hu，基于Hugging Face的Florence-2，具备97%以上的识别准确率。适合需要处理大量学术图表的研究工作者。

lilt-roberta-en-base - 多语言文档理解的语言无关布局变换器

GithubHuggingfaceLiLTRoBERTa布局转换器开源项目文档理解模型模型集成

LiLT-RoBERTa将预训练的RoBERTa模型与轻量级的布局变换器结合，适用于处理多语言的文档图像分类、解析及问答任务，适合在结构化文档理解中应用。用户可在模型库中寻找适合特定任务的微调版本。

推荐项目

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。

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。

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

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。

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。

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

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。

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