AIbase

视觉-文本转换
Model3
MIT
基于naver-clova-ix/donut-base-finetuned-cord-v2微调的文档图像理解模型
图像生成文本
Transformers
M
sunilsai
13
0
Donut Base Finetuned Cord V2
Donut是一个基于Swin Transformer的视觉文档理解模型，专门针对CORD数据集进行了微调，能够从图像中提取结构化文本信息。
图像生成文本
Transformers
D
Xenova
32
0
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 Receipt V3
MIT
基于naver-clova-ix/donut-base微调的收据识别模型
大型语言模型
Transformers
D
hyunguk1
13
0
Image Caption
Apache-2.0
基于VisionEncoderDecoder架构的图像描述生成模型，能够将输入图像转换为自然语言描述。
图像生成文本
Transformers
I
jaimin
14
2
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 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 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
Poster2plot
这是一个通过电影/电视剧海报生成剧情描述的图像描述模型。
图像生成文本
Transformers
英语
P
deepklarity
15
4