AIbase

Swin-BART架构
Donut Receipts Extract
基于Donut架构的收据文本提取专用模型，通过视觉编码器和文本解码器实现无需OCR的文档理解
图像生成文本
Transformers
D
AdamCodd
66
34
Uae License Detection
MIT
Donut是一种无需OCR的文档理解Transformer模型，结合视觉编码器和文本解码器处理文档图像
图像生成文本
Transformers
U
codedrainer
21
2
Donut Base Finetuned Invoices
基于Donut架构优化的多语言发票处理模型，可提取发票关键字段
图像生成文本
Transformers
D
to-be
823
21
OCR DocVQA Donut
MIT
Donut是一个OCR-free的文档理解Transformer模型，结合视觉编码器和文本解码器实现文档视觉问答任务。
图像生成文本
Transformers
O
jinhybr
240
13
OCR Donut CORD
MIT
Donut是基于Swin Transformer视觉编码器和BART文本解码器的OCR-free文档理解模型，本版本在CORD收据数据集上微调
图像生成文本
Transformers
O
jinhybr
1,130
206
Donut Base Finetuned Zhtrainticket
MIT
基于ZhTrainTicket微调的Donut模型，用于文档图像到文本的转换，无需OCR处理。
图像生成文本
Transformers
D
naver-clova-ix
362
0
Donut Base Finetuned Cord V1 2560
MIT
Donut是一种无需OCR的文档理解Transformer模型，结合视觉编码器和文本解码器实现图像到文本的转换。
图像生成文本
Transformers
D
naver-clova-ix
30
1
Donut Base Finetuned Docvqa
MIT
Donut是一种无需OCR的文档理解Transformer模型，基于DocVQA数据集微调，能够直接从图像中提取和理解文本信息。
图像生成文本
Transformers
D
naver-clova-ix
167.80k
231
Donut Base Finetuned Rvlcdip
MIT
Donut是一种无需OCR的文档理解Transformer模型，结合视觉编码器和文本解码器处理文档图像。
图像生成文本
Transformers
D
naver-clova-ix
125.36k
13
Donut Proto
MIT
Donut是一种无需OCR的文档理解Transformer模型，结合视觉编码器和文本解码器处理图像到文本的转换
图像生成文本
Transformers
D
naver-clova-ix
30
7
Donut Base
MIT
Donut是一种无需OCR的文档理解Transformer模型，由视觉编码器(Swin Transformer)和文本解码器(BART)组成。
图像生成文本
Transformers
D
naver-clova-ix
50.34k
207
Donut Base Finetuned Cord V2
MIT
Donut是一个无需OCR的文档理解Transformer模型，由视觉编码器(Swin Transformer)和文本解码器(BART)组成，能够直接从图像中提取文本信息。
图像生成文本
Transformers
D
naver-clova-ix
21.63k
97