简介:

文档智能的视觉引导生成文本布局预训练模型

功能:

• 原生OCR文本定位和识别:ViTLP能够直接在文档图像上进行文本的定位和识别。

• 预训练模型ViTLP-medium:提供了一个预训练的模型,拥有380M参数,能够在有限的计算资源下提供较好的性能。

• 快速推理速度:在Nvidia 4090上,ViTLP能够快速处理文档图像,推理速度在5到10秒内完成一页文档图像的处理。

• Huggingface平台支持:ViTLP模型的预训练权重可以在Huggingface平台上找到,方便用户下载和使用。

• 易于集成和使用:通过提供的代码和指令,用户可以轻松地将ViTLP集成到自己的项目中。

• 支持批量解码:通过提供的decode.sh脚本,用户可以进行批量文档图像的解码处理。

• 适用于文档智能处理:ViTLP特别适合需要文档图像文本检测和识别的场景,如自动化文档处理、档案数字化等。

需求人群:

"目标受众为需要进行文档图像处理的企业和研究机构,特别是那些需要自动化文档处理和档案数字化的领域。ViTLP的快速推理速度和高准确率使其成为这些场景的理想选择。"

浏览量:38

s1785318098921236

打开站点

构建AI去赚钱
s1785341518918206
类似产品

© 2024     AIbase    备案号:闽ICP备08105208号-14

隐私政策

用户协议

意见反馈 网站地图