# 視覺-文本轉換

Model3
MIT
基於naver-clova-ix/donut-base-finetuned-cord-v2微調的文檔圖像理解模型
圖像生成文本 Transformers
M
sunilsai
13
0
Donut Base Finetuned Cord V2
Donut是一個基於Swin Transformer的視覺文檔理解模型,專門針對CORD數據集進行了微調,能夠從圖像中提取結構化文本信息。
圖像生成文本 Transformers
D
Xenova
32
0
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 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
D
hyunguk1
13
0
Image Caption
Apache-2.0
基於VisionEncoderDecoder架構的圖像描述生成模型,能夠將輸入圖像轉換為自然語言描述。
圖像生成文本 Transformers
I
jaimin
14
2
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 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 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
Poster2plot
這是一個通過電影/電視劇海報生成劇情描述的圖像描述模型。它能生成不錯的劇情概要,但遠非完美。我們仍在持續改進模型。
圖像生成文本 Transformers 英語
P
deepklarity
15
4
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase