MiniCPM OCR

Первый #OCR от OpenBMB, две модели под разные задачи.

• 1.0 на 1.3B: сложные верстки, таблицы, формулы
• DSpark дает на 55% больше пропускной способности
• Jev на 2 млрд проверяет точность распознавания, в том числе чужого
• 0,936 AUROC на JevOCRBench, помечает сомнительные места для ручной проверки
———

Unlimited-OCR 2

Распознавание документов почти любой длины от Baidu, около 3 млрд параметров.

• Сканы, PDF, многостраничные материалы, таблицы и формулы
• Механизм SR-SWA: модель смотрит текущую страницу и горстку нужных фрагментов, а не весь документ
• Рабочая память на 512 опорных токенов, цена шага почти не растет с длиной
• На сотне страниц отдельные шаги декодирования до 7 раз быстрее полного внимания и до 5,6 раза быстрее прошлой версии
• Страницы идут перекрывающимися блоками, память освобождается по ходу
• Лицензия MIT, включая коммерцию

github.com/baidu/Unlimited-OCR
huggingface.co/baidu/Unlimited-OCR-2