Nougat Base Deploy

🚀 Nougatモデル、ベースサイズ版

このNougatモデルはPDFからMarkdownへの変換に特化して学習されています。このモデルは、Blecherらによる論文 Nougat: Neural Optical Understanding for Academic Documents で紹介され、最初は このリポジトリ で公開されました。

免責事項: Nougatを公開したチームはこのモデルのモデルカードを作成していないため、このモデルカードはHugging Faceチームによって作成されました。

注意: このモデルは元のリポジトリの "0.1.0-base" バージョンに対応しています。

🚀 クイックスタート

このNougatモデルは、科学技術系のPDFをMarkdown形式に変換するために開発されたもので、学術文献や技術資料の取り扱いに便利です。

✨ 主な機能

• PDF画像のピクセル情報のみを入力として、Markdown形式を自己回帰的に予測します。
• Swin Transformerをビジョンエンコーダー、mBARTモデルをテキストデコーダーとして構成されています。

📚 ドキュメント

モデルの説明

Nougatは、科学技術系のPDFを使いやすいMarkdown形式に変換するために学習された Donut モデルです。このモデルは、ビジョンエンコーダーとしてSwin Transformer、テキストデコーダーとしてmBARTモデルを使用しています。

このモデルは、PDF画像のピクセル情報のみを入力として、Markdownを自己回帰的に予測するように学習されています。

Nougatの概要。元の論文 より引用。

想定される用途と制限

生のモデルを使用して、PDFをMarkdownに変換することができます。他の微調整されたバージョンを探すには、モデルハブ を参照してください。

使い方

詳細は ドキュメント を参照してください。

BibTeXエントリと引用情報

@misc{blecher2023nougat,
      title={Nougat: Neural Optical Understanding for Academic Documents}, 
      author={Lukas Blecher and Guillem Cucurull and Thomas Scialom and Robert Stojnic},
      year={2023},
      eprint={2308.13418},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

📄 ライセンス

このモデルはCC BY-NC 4.0ライセンスの下で提供されています。