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。

surya_layout3 - Surya项目的文档布局分析模型

GithubHuggingfaceLayoutsuryatransformers开源项目模型

surya_layout3是Surya项目的文档布局分析模型，基于transformers库开发。该模型旨在识别和分析文档的结构和布局元素，如段落、标题和表格。作为一个开源工具，surya_layout3为研究人员和开发者提供了进行文档分析和处理的基础。模型采用CC-BY-NC-SA-4.0许可证发布，可用于非商业用途。

layoutlm-large-uncased - 微软开发的多模态文档理解大型预训练模型

GithubHuggingfaceLayoutLM信息提取多模态学习开源项目文档理解模型预训练模型

LayoutLM-large-uncased是微软开发的大型多模态文档理解预训练模型。该模型融合文本、版面布局和图像信息，在表单和收据理解等文档AI任务中表现出色。模型架构包括24层、1024隐藏单元、16个注意力头，总计3.43亿参数。经过1100万份文档的2轮预训练，LayoutLM为文档图像理解和信息提取任务提供了高效解决方案。

doctr - 由深度学习提供支持的无缝、高性能和可访问的库，用于 OCR 相关任务

GithubOCRPyTorchTensorFlowdocTR开源项目文本识别

docTR提供高效、准确的OCR解决方案，支持PDF和图像文件，基于TensorFlow 2和PyTorch。能快速检测识别文档文字，并提供多种处理旋转文档选项。用户可使用预训练模型快速上手或自定义架构。解析结果可视化且支持导出为JSON格式，方便后续处理和分析。

Tabular-LLM - 表格智能数据集的收集与LLM模型优化

Alpaca-CoTGithubLLMTabular LLM开源项目微调平台表格智能

此项目利用Alpaca-CoT平台，集合和整理多种表格智能任务的数据集，并对现有的大型语言模型进行微调，以提升其对表格数据的理解和处理能力。主要涵盖表格问答和表格-文本生成等任务。项目提供开源训练代码和格式统一的表格数据，并开放训练模型，助力研究者复现及优化表格智能任务。

TF-ID - 开源AI模型助力学术论文表格和图像高效提取

GithubTF-ID图像识别学术论文对象检测开源项目表格识别

TF-ID是一系列用于从学术论文中提取表格和图像的目标检测模型。项目开源了训练代码、模型权重和标注数据集。TF-ID包含四个版本，分为基础和大型模型，可提取有无标题文本的表格和图像。模型基于Florence-2微调，测试准确率达98.06%。项目提供使用示例和完整训练指南，方便研究者复现和应用。

layoutlmv2-large-uncased - 提升多模态文档处理能力的先进预训练模型

GithubHuggingfaceLayoutLMv2图像理解多模态开源项目文档AI模型预训练

LayoutLMv2通过整合文本、布局和图像的新预训练任务，增强文档理解能力，广泛应用于FUNSD、CORD等视觉丰富文档项目，提高性能，适合多种下游任务。

PDF-Extract-Kit - 全面高效的PDF文档内容提取工具包

GithubPDF提取公式识别布局检测开源项目文档内容表格识别

PDF-Extract-Kit是一款集成多种先进技术的PDF内容提取工具包。它结合了LayoutLMv3布局分析、YOLOv8公式检测、UniMERNet公式识别、StructEqTable表格识别和PaddleOCR文字识别等功能,能够准确高效地提取各类PDF文档中的结构化内容。该工具适用于学术论文、教科书、研究报告和财务报表等多种文档类型,即使面对扫描质量欠佳或带有水印的PDF文件,也能保持稳定的提取效果。

mPLUG-DocOwl - 多模态大语言模型实现无OCR文档理解的新突破

AI图表分析DocOwlGithubOCR-free多模态大语言模型开源项目文档理解

mPLUG-DocOwl是阿里巴巴集团开发的多模态大语言模型家族，致力于无OCR文档理解。该项目包含DocOwl1.5、TinyChart和PaperOwl等子项目，覆盖文档分析、图表理解和科学图表分析领域。mPLUG-DocOwl在多项基准测试中展现出卓越性能，推动文档智能处理技术进步。

llama3-llava-next-8b-tokenizer - Transformers框架模型文档标准化指南

GithubHuggingfacetransformers开源项目机器学习模型模型训练模型评估环境影响

Transformers框架模型文档模板提供标准化的模型说明结构，涵盖模型详情、应用场景、风险评估、训练参数、性能评估等核心内容。该模板系统性地记录从技术架构到环境影响的关键信息，便于开发者规范化管理和共享模型资料。

doctran - 基于LLM的智能文档转换和处理框架

DoctranGithubLLMOpenAI开源项目文档转换自然语言处理

Doctran是一个基于大型语言模型的文档转换框架，通过自然语言指令处理复杂字符串。该框架提供模块化和声明式的方法，充分利用OpenAI的功能调用特性。Doctran支持提取、编辑、总结、精炼、翻译和问答生成等多种操作，简化了非结构化文本的处理过程。这个开源项目主要应用于需要高级判断的文档解析场景，例如交易标记和语义信息提取。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com