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。

longformer-base-4096 - 专为长文档设计的Longformer transformer模型

GithubHuggingfaceLongformerRoBERTa开源项目模型注意力机制自然语言处理长文档处理

longformer-base-4096是一个专为处理长文档设计的transformer模型，基于RoBERTa checkpoint开发。该模型支持处理长达4,096个序列，创新性地结合了滑动窗口注意力和全局注意力机制。用户可根据具体任务配置全局注意力，从而学习特定任务的表示。这一开源项目由Allen Institute for Artificial Intelligence开发，旨在通过AI研究推动长文本处理技术的进步。

tessdoc - 多语言支持的开源文字识别引擎

GithubOCRTesseract开源软件开源项目文字识别机器学习

Tesseract是一款功能强大的开源OCR引擎，支持100多种语言和35种以上的文字。它提供命令行和API接口，可从图像中精确提取文本。Tesseract采用LSTM神经网络技术，具有高度可定制性，并配备完善的训练测试工具。该引擎可跨平台使用，包括移动设备，为开发者提供了灵活的文字识别解决方案。

mit-b4 - 使用SegFormer预训练模型提升语义分割效率

GithubHugging FaceHuggingfaceImageNetSegFormerTransformer开源项目模型语义分割

此项目提供SegFormer的b4-sized预训练模型，具有分层Transformer和轻量级MLP解码头，在ADE20K和Cityscapes等基准上展现出色性能。经过ImageNet-1k预训练的SegFormer可用于下游任务微调，满足多种应用需求。用户可在[模型库](https://huggingface.co/models?other=segformer)中根据任务需求选择合适版本，优化图像分割效果。

thepipe - 全能多模态数据提取API 为LLM开发赋能

APIGithubLLM接口thepi.pe多模态数据提取开源项目文档处理

thepipe是一款多功能API，支持从PDF、网页、视频等多种来源提取markdown、表格和图像数据。该工具与GPT-4等视觉语言模型兼容，可轻松集成各类LLM和向量数据库。thepipe具备AI驱动的文件类型识别、版面分析和结构化数据提取能力，为多模态LLM开发提供综合支持。开发者可选择云端服务或本地部署方式使用。

bros-base-uncased - 整合文本布局的文档信息提取预训练语言模型

BROSGithubHuggingface光学字符识别开源项目文本布局分析文档信息提取模型预训练语言模型

BROS是一种创新的预训练语言模型，结合了文本内容和空间布局信息，以提升文档关键信息提取的效果。该模型能够处理OCR识别后的文本和边界框数据，适用于多种文档分析任务，例如从收据中提取商品清单。BROS提供base和large两种规模的模型，参数量分别约为110M和340M。这一开源项目已在Hugging Face平台上发布，为研究人员和开发者提供了强大的文档信息提取工具。

transformer-models - MATLAB深度学习变换器模型实现库

BERTGithubMATLABTransformer开源项目深度学习自然语言处理

该项目提供MATLAB环境下的多种深度学习变换器模型实现，包括BERT、FinBERT和GPT-2。支持文本分类、情感分析、掩码标记预测和文本摘要等自然语言处理任务。项目特点包括预训练模型加载、模型微调、详细示例和灵活API，可用于研究和实际应用。

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。

oneformer_ade20k_dinat_large - OneFormer单一模型在多任务图像分割中实现卓越表现

ADE20kGithubHuggingfaceOneFormer图像分割实例分割开源项目模型语义分割

OneFormer模型借助单一架构和模块在ADE20k数据集上进行训练，适用于语义、实例和全景分割。通过使用任务令牌，该模型能够动态调整以满足不同任务要求，不仅显著优化了分割效果，还具备替代专门化模型的潜力。

awesome-pretrained-chinese-nlp-models - 中文NLP预训练模型综合资源平台

Github中文NLP多模态模型大模型开源模型库开源项目预训练语言模型

awesome-pretrained-chinese-nlp-models提供多种中文自然语言处理预训练模型，涵盖基础大模型、对话型模型和多模态模型等。该平台不仅包括各模型的详细介绍、技术文档和下载链接，还定期更新，为研究人员和开发者提供全面的中文NLP资源。

awesome-huge-models - 大型AI模型最新动态与开源资源汇总

AI训练GithubLLMdeep learning模型大模型开源开源项目

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。

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