%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Qwen2.5 VL 7B Instruct Quantized.w8a8
Apache-2.0
Qwen2.5-VL-7B-Instruct的量化版本，支持視覺-文本輸入和文本輸出，通過INT8權重量化優化推理效率
圖像生成文本
Transformers 英語
Transformers 英語Q
RedHatAI
1,992
3
Qwen2.5 VL 3B Instruct FP8 Dynamic
Apache-2.0
Qwen2.5-VL-3B-Instruct的FP8量化版本，支持視覺-文本輸入和文本輸出，優化了推理效率。
文本生成圖像 Transformers 英語
Transformers 英語Q
RedHatAI
112
1
H2ovl Mississippi 800m
Apache-2.0
H2O.ai推出的8億參數視覺語言模型，專注於OCR和文檔理解，性能優異
圖像生成文本 Transformers 英語
Transformers 英語H
h2oai
77.67k
33
Idefics3 8B Llama3
Apache-2.0
Idefics3是一個開源的多模態模型，能夠處理任意序列的圖像和文本輸入並生成文本輸出。它在OCR、文檔理解和視覺推理方面有顯著提升。
圖像生成文本 Transformers 英語
Transformers 英語I
HuggingFaceM4
45.86k
277
Horus OCR
Donut 是一個基於 Transformer 的圖像轉文本模型，能夠從圖像中提取和生成文本內容。
圖像生成文本 Transformers
TransformersH
TeeA
21
0
Fine Tuned Rvl Cdip
基於microsoft/layoutlmv3-base模型在文檔圖像分類任務上微調的版本，在評估集上F1分數達到0.8177
文字識別 Transformers
TransformersF
davidhajdu
21
1
Donut Base Handwriting Recognition
MIT
基於naver-clova-ix/donut-base微調的手寫識別模型
文字識別 Transformers
TransformersD
Cdywalst
140
1
Docllm Baichuan2 7b
DocLLM_reimplementation 是一個針對文檔理解任務的大語言模型實現項目，旨在重新實現和改進文檔理解能力。
大型語言模型 Transformers
TransformersD
JinghuiLuAstronaut
185
5
Donut 240202
MIT
基於Yazawa/donut-base-sroie微調的文檔理解模型，適用於結構化文檔信息提取任務
文字識別 Transformers
TransformersD
Yazawa
93
0
Donut Receipt V3
MIT
基於naver-clova-ix/donut-base微調的模型，具體用途未明確說明
大型語言模型 Transformers
TransformersD
mychen76
28
0
Donut Receipt V2
MIT
基於naver-clova-ix/donut-base微調的模型，可能用於收據識別或文檔理解任務
大型語言模型 Transformers
TransformersD
mychen76
31
0
Donut Base Sroie
MIT
基於naver-clova-ix/donut-base在圖像文件夾數據集上微調的模型，具體用途未明確說明
文字識別 Transformers
TransformersD
iamkhadke
13
0
Donut Trained Example 3
MIT
基於Donut架構的微調模型，具體用途和功能需要更多信息
大型語言模型 Transformers
TransformersD
anarenteriare
14
0
Donut Trained Example 2
MIT
基於naver-clova-ix/donut-base微調的模型，具體用途未明確說明
大型語言模型 Transformers
TransformersD
anarenteriare
13
0
Donut Base Receipt V3
MIT
基於naver-clova-ix/donut-base微調的收據識別模型
大型語言模型 Transformers
TransformersD
hyunguk1
13
0
Donut Base Receipt
MIT
基於naver-clova-ix/donut-base微調的收據識別模型
大型語言模型 Transformers
TransformersD
hyunguk1
19
0
Donut Base Ru
MIT
基於naver-clova-ix/donut-base微調的模型，具體用途未明確說明
大型語言模型 Transformers
TransformersD
Nyaaneet
21
1
Donut Demo
MIT
這是一個基於CORD-v2數據集微調的Donut模型，專為圖像轉文本任務設計，平均準確率達到0.901。
圖像生成文本 Transformers
TransformersD
katanaml
24
3
Layoutlmv3 Finetuned Funsd
基於microsoft/layoutlmv3-base在nielsr/funsd-layoutlmv3數據集上微調的文檔理解模型
文字識別 Transformers
TransformersL
Narsil
799
0
Donut Base Sroie
MIT
該模型是基於naver-clova-ix/donut-base在圖像文件夾數據集上微調的版本，適用於文檔理解任務。
文字識別 Transformers
TransformersD
unstructuredio
31
1
Dof Invoice 1
MIT
基於naver-clova-ix/donut-base微調的發票處理模型
圖像生成文本 Transformers
TransformersD
Sebabrata
13
0
Donut Base Label Studio 200 Invoices
MIT
基於Donut架構的發票識別模型，在200張發票數據集上微調
文字識別 Transformers
TransformersD
Prem11100
18
0
Donut Base Sroie
MIT
基於philschmid/donut-base-sroie微調的文檔理解模型
文字識別 Transformers
TransformersD
Prem11100
13
0
Lilt Infoxlm Base
MIT
LiLT-InfoXLM 是一種語言無關的佈局變換器模型，通過將預訓練的InfoXLM與語言無關佈局變換器（LiLT）結合而成，適用於結構化文檔理解任務。
多模態融合 Transformers
TransformersL
SCUT-DLVCLab
110
5
Donut Base Sroie
MIT
基於naver-clova-ix/donut-base微調的文檔理解模型，適用於圖像文本提取任務
文字識別 Transformers
TransformersD
philschmid
185
3
Donut Demo
MIT
基於CORD-v2數據集微調的VisionEncoderDecoder模型，用於文檔理解任務
文字識別 Transformers
TransformersD
nielsr
56
1
Layoutlmv3 Finetuned Wildreceipt
基於LayoutLMv3-base模型在WildReceipt收據數據集上微調的版本，用於收據關鍵信息提取任務
文字識別 Transformers
TransformersL
Theivaprakasham
118
3
Layoutlmv3 Finetuned Invoice
基於LayoutLMv3架構微調的發票信息提取模型，在SROIE數據集上表現出色
文字識別 Transformers
TransformersL
ronak1998
71
3
Layoutlmv3 Finetuned Invoice
在發票數據集上對LayoutLMv3-base進行微調的版本，用於發票信息提取
文字識別 Transformers
TransformersL
Theivaprakasham
896
20
Layoutlmv3 Finetuned Cord
基於LayoutLMv3在CORD數據集上微調的文檔理解模型，擅長文檔標記分類任務
文字識別 Transformers
TransformersL
nielsr
617
12
Layoutlmv3 Finetuned Funsd
基於LayoutLMv3-base模型在FUNSD數據集上微調的文檔理解模型，擅長表單和文檔的標記分類任務
文字識別 Transformers
TransformersL
nielsr
2,420
25
Layoutlmv2 Finetuned Cord
基於microsoft/layoutlmv2-base-uncased模型在未知數據集上微調的版本，適用於文檔理解任務
文字識別 Transformers
TransformersL
speydach
17
0
Layoutlmv2 Finetuned Cord
基於LayoutLMv2架構在CORD數據集上微調的文檔理解模型，適用於結構化文檔信息提取任務
文字識別 Transformers
TransformersL
katanaml
29
3
Layoutlmv2 Finetuned Funsd
基於 Microsoft LayoutLMv2 模型在 FUNSD 數據集上微調的文檔理解模型
文字識別 Transformers
TransformersL
nielsr
1,319
13
Layoutlmv2 Finetuned Sroie Mod
基於microsoft/layoutlmv2-base-uncased微調的文檔理解模型，適用於結構化文檔信息提取任務
大型語言模型 Transformers
TransformersL
Theivaprakasham
37
1
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型，性能媲美GPT-3.5-turbo，優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型 Transformers 支持多種語言
Transformers 支持多種語言L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型，專為邊緣設備推理設計，體積僅為Cosmo-3B模型的2%左右。
對話系統 Transformers 英語
Transformers 英語C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型，適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98