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。

unstructured-inference - 非结构化数据布局解析工具支持多种检测模型

AI模型Githubunstructured布局解析开源工具开源项目文档处理

unstructured-inference 是一个专注于文档布局分析的开源项目。它能够从各种文件中提取文档结构和文本内容，适用于需要高效文档处理的场景。该项目提供多种检测模型，如 Detectron2 和 YOLOX，可通过 API 与 unstructured 包集成。它支持自定义模型，为开发者提供了灵活的布局解析解决方案。

dit-base-finetuned-rvlcdip - 基于自监督学习的文档图像转换模型应用

Document Image TransformerGithubHuggingfaceRVL-CDIP开源项目文档分类模型自我监督学习视觉编码器

Document Image Transformer 是一种基于 Transformer 的模型，专为自监督学习而设计，通过大量文档图像来学习图像的内在表示。经过 RVL-CDIP 数据集的细调，该模型适用于文档图像分类、表格检测和文档布局分析等任务。通过在预训练编码器上添加线性层，可以灵活实现不同任务的目标。模型将图像划分为16x16像素固定块，并使用离散 VAE 编码器的视觉 token 进行预测。该技术解决方案在灰度图像分类中表现出色，尤其是在细分类别的文档图像任务中。

layoutlmv3-large - 统一文本和图像掩码的文档AI预训练模型

GithubHuggingfaceLayoutLMv3Transformer多模态模型开源项目文档AI模型预训练

LayoutLMv3是一种用于文档AI的多模态Transformer模型，由Microsoft Document AI项目开发。该模型采用统一的文本和图像掩码预训练方法，架构简单且通用。LayoutLMv3可应用于表单理解、收据识别、文档视觉问答等文本相关任务，以及文档图像分类和布局分析等图像相关任务。这种灵活性使其成为文档AI领域的通用预训练模型，为多种文档处理任务提供了有力支持。

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。

docGPT-langchain - 免费AI文档对话，支持PDF、DOCX、CSV，无需API密钥

AI模型GithubLangchainStreamlitdocGPT开源项目文档上传

docGPT项目允许用户无需API密钥即可查询文档内容，支持多种文件格式如PDF、Word和CSV。用户可以简单上传文件或直接输入文档URL进行交互。平台整合了两种模型：完全免费的gpt4free和需API密钥的openai模型。docGPT的易用性强，支持本地及Docker部署，是一个理想的文档交互工具。

yolov8m-table-extraction - 精准表格识别工具，适用于有框及无框表格检测

GithubHuggingfaceKeremberkeUltralyticsYolo开源项目模型目标检测表格提取

本项目采用YOLOv8与PyTorch技术，专注于表格检测，支持有框和无框样式。通过UltralyticsPlus库中的'keremberke/yolov8m-table-extraction'模型，可以简单地进行安装和预测分析，验证集上的平均精度为0.95194。项目提供详尽的使用指南，包括模型参数设置及推理步骤，帮助用户快速获取稳定的检测结果。

Doc2Lang - 多语言文档智能翻译平台

AI工具AI翻译Excel翻译PowerPoint翻译Word翻译文档翻译

Doc2Lang是一个AI驱动的文档翻译平台，支持Excel、Word、PowerPoint和PDF等多种格式。采用先进AI技术，提供快速准确的翻译服务。上传即可自动翻译，简单高效。平台注重数据安全和翻译质量，使用便捷，按需付费，无需注册。适合各行业的多语言文档翻译需求。

unitable - 整合表格识别任务的统一框架

GithubTransformerUniTable开源项目自监督预训练表格结构表格识别

UniTable是一个创新的表格识别框架，统一了训练范式、目标和模型架构。它利用自监督预训练和语言建模，有效处理表格结构、单元格内容和边界框识别。该项目在四个大型数据集上展现最先进性能，并提供完整的推理流程Jupyter Notebook，支持多数据集微调和全面表格识别。

nougat-base - 神经网络模型实现科学PDF文档到Markdown的智能转换

GithubHuggingfaceNougatPDF转Markdown学术文档开源项目文本解码器模型视觉编码器

nougat-base是一个专门用于将科学PDF文档转换为Markdown格式的神经网络模型。该模型结合了Swin Transformer视觉编码器和mBART文本解码器，只需输入PDF图像像素即可自动生成对应的Markdown内容。这一创新技术为学术文献的数字化处理和分析提供了新的可能性，大大提高了研究人员和开发者的工作效率。

TabFormer - 用于对多变量时间序列进行建模的表格转换器

GithubICASP 2021TabFormerTabular BERT信用卡交易数据集多变量时间序列开源项目

该项目提供了用Pytorch实现的Tabular Transformers源代码和数据，可用于多变量时间序列建模。项目特点包括层级变压器模块、综合信用卡交易数据集、改进的自适应Softmax和为表格数据调整的DataCollatorForLanguageModeling模块。代码架构基于HuggingFace的transformers框架，拥有很好的扩展性和易用性。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com