Visionocr 3B 061125 GGUF

🚀 visionOCR-3B-061125-GGUF

「visionOCR-3B-061125」モデルは、「Qwen/Qwen2.5-VL-3B-Instruct」をファインチューニングしたバージョンです。このモデルは、「文書レベルの光学文字認識（OCR）」、「長文脈のビジョン言語理解」、および「数学的なLaTeX形式を含む正確な画像からテキストへの変換」に最適化されています。Qwen2.5-VLアーキテクチャをベースに構築されており、様々な入力形式における文書理解、構造化データ抽出、および視覚的推論能力を大幅に向上させています。

🚀 クイックスタート

このモデルは、文書レベルの光学文字認識や長文脈のビジョン言語理解などのタスクに最適化されています。以下のセクションでは、モデルファイルと量子化の使用方法について説明します。

📚 ドキュメント

モデルファイル

量子化の使用方法

（サイズでソートされており、必ずしも品質を表しているわけではありません。IQ量子化は、同程度のサイズの非IQ量子化よりも優れていることが多いです）

ここに、ikawrakowによるいくつかの低品質量子化タイプを比較した便利なグラフがあります（値が低いほど良い）：

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。