# 学術文書処理

PP-FormulaNet_plus-MはPaddleOCRチームによって開発された強化版の数式認識モデルで、中国語数式の認識をサポートし、複雑な数式の処理能力を向上させています。

PP-FormulaNet_plus-LはPaddleOCRチームが開発した強化版の数式認識モデルで、中国語数式の認識をサポートし、最大トークン数が2560に引き上げられ、複雑な数式シーンに適しています。

画像からLaTeX数式を生成するVisionEncoderDecoderモデル、Swin TransformerエンコーダーとGPT-2デコーダーアーキテクチャを使用

VisionEncoderDecoderModelをベースとしたモデルで、画像からLaTeX数式を生成するデータセットでファインチューニングされています。

Typst数式OCRタスク用に事前学習されたTrOCRモデルで、画像中の数学式をテキスト形式に変換できます。

中英語混合LaTeX数式の認識に特化したOCRモデルで、ローカルオフラインCPU推論をサポート

Pix2Textの数式検出(MFD)モデル、画像中の数式を認識する

Cephaloはマルチモーダル材料科学に特化した視覚大規模言語モデルシリーズで、現在のバージョンは数学公式画像をLaTeXコードに変換することに特化しています。

TexTellerはViTアーキテクチャに基づくエンドツーエンドの数式認識モデルで、自然画像中の数学式を認識しLaTeX形式の数式に変換できます。

Nougat-smallをファインチューニングした数式認識モデルで、画像からLaTeX数式コードを抽出するのに優れています

Texify は、数式画像やテキストをLaTeX形式に変換するためのOCRツールです。

このモデルはNougat-baseをファインチューニングしたLaTeX OCRモデルで、画像からLaTeXコードを生成するために特別に設計されており、数学式画像の認識能力が最適化されています。

NougatはDonutアーキテクチャに基づく視覚-言語モデルで、科学PDFをMarkdown形式に変換するために設計されています。