AIbase
TW
模型選型
標籤
Swin-BART架構

# Swin-BART架構

Donut Receipts Extract
基於Donut架構的收據文本提取專用模型，通過視覺編碼器和文本解碼器實現無需OCR的文檔理解
圖像生成文本 Transformers
D
AdamCodd
66
34
Uae License Detection
MIT
Donut是一種無需OCR的文檔理解Transformer模型，結合視覺編碼器和文本解碼器處理文檔圖像
圖像生成文本 Transformers
U
codedrainer
21
2
Donut Base Finetuned Invoices
基於Donut架構優化的多語言發票處理模型，可提取發票關鍵字段
圖像生成文本 Transformers
D
to-be
823
21
OCR DocVQA Donut
MIT
Donut是一個OCR-free的文檔理解Transformer模型，結合視覺編碼器和文本解碼器實現文檔視覺問答任務。
圖像生成文本 Transformers
O
jinhybr
240
13
OCR Donut CORD
MIT
Donut是基於Swin Transformer視覺編碼器和BART文本解碼器的OCR-free文檔理解模型，本版本在CORD收據數據集上微調
圖像生成文本 Transformers
O
jinhybr
1,130
206
Donut Base Finetuned Zhtrainticket
MIT
基於ZhTrainTicket微調的Donut模型，用於文檔圖像到文本的轉換，無需OCR處理。
圖像生成文本 Transformers
D
naver-clova-ix
362
0
Donut Base Finetuned Cord V1 2560
MIT
Donut是一種無需OCR的文檔理解Transformer模型，結合視覺編碼器和文本解碼器實現圖像到文本的轉換。
圖像生成文本 Transformers
D
naver-clova-ix
30
1
Donut Base Finetuned Docvqa
MIT
Donut是一種無需OCR的文檔理解Transformer模型，基於DocVQA數據集微調，能夠直接從圖像中提取和理解文本信息。
圖像生成文本 Transformers
D
naver-clova-ix
167.80k
231
Donut Base Finetuned Rvlcdip
MIT
Donut是一種無需OCR的文檔理解Transformer模型，結合視覺編碼器和文本解碼器處理文檔圖像。
圖像生成文本 Transformers
D
naver-clova-ix
125.36k
13
Donut Proto
MIT
Donut是一種無需OCR的文檔理解Transformer模型，結合視覺編碼器和文本解碼器處理圖像到文本的轉換
圖像生成文本 Transformers
D
naver-clova-ix
30
7
Donut Base
MIT
Donut是一種無需OCR的文檔理解Transformer模型，由視覺編碼器(Swin Transformer)和文本解碼器(BART)組成。
圖像生成文本 Transformers
D
naver-clova-ix
50.34k
207
Donut Base Finetuned Cord V2
MIT
Donut是一個無需OCR的文檔理解Transformer模型，由視覺編碼器(Swin Transformer)和文本解碼器(BART)組成，能夠直接從圖像中提取文本信息。
圖像生成文本 Transformers
D
naver-clova-ix
21.63k
97
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase