Qwen2.5-VL-32B-Instruct是Qwen家族的最新视觉语言模型，具备强大的视觉理解和智能代理能力，支持多模态任务处理。

Qwen2.5-VL-32B-Instruct 是 Qwen 家族的最新视觉语言模型，具备强大的多模态理解和生成能力，支持图像、视频和文本的交互。

Sapnous-6B是一款先进的视觉语言模型，通过强大的多模态能力提升对世界的感知和理解。

Aya Vision 32B是Cohere实验室开发的开放权重32B参数多模态模型，支持23种语言的视觉语言任务。

Qwen2.5-VL是通义千问团队推出的多模态大语言模型，具备强大的视觉理解和智能代理能力，支持图像、视频、文本等多种输入格式。

Typhoon2-Vision 是一款支持泰语的视觉语言模型，能够处理图像和视频输入，特别针对基于图像的应用进行了优化。

PaliGemma 2是Google开发的升级版视觉语言模型，结合了Gemma 2的能力，支持图像和文本输入，生成文本输出，适用于多种视觉语言任务。

TF-ID是一系列目标检测模型，专门用于提取学术论文中的表格和图表及其标题文本。

TF-ID是专门用于提取学术论文中表格和图表的视觉目标检测模型，基于Florence-2微调而成

Pix2Text的数学公式识别(MFR)模型，基于TrOCR架构训练，可将数学公式图片转换为LaTeX文本表示。

Pix2Text的数学公式检测(MFD)模型，用于识别图片中的数学公式

Sparrow是基于Donut ML基础模型在发票数据上微调的文档数据提取模型，旨在验证Donut在企业文档上的表现性能。

Sparrow是基于Donut ML基础模型在发票数据上微调而成的文档数据提取工具，旨在验证Donut在企业文档上的表现性能。

该模型是一个基于Apache-2.0许可证的图像转文本模型，能够将图像内容转换为文本描述。

一个专注于金融领域的图像转文本模型，支持英文文本识别，主要用于处理金融文档中的图像内容。

基于microsoft/layoutlmv3-base微调的文档理解模型，擅长处理文档布局分析任务

MiniCPM-V 2.0是面向高效终端部署的强大多模态大语言模型，基于SigLip-400M和MiniCPM-2.4B构建，通过感知器重采样器连接。

一个用于识别车辆牌照的视觉模型，能够从图像中提取车牌号码。

MoAI是一个大型语言与视觉混合模型，能够处理图像和文本输入，生成文本输出。

Pix2Text的数学公式识别(MFR)模型，基于TrOCR架构训练，能够将数学公式图像转换为LaTeX文本表示。

基于microsoft/trocr-base-printed微调的OCR模型，专门用于识别车牌和时间戳信息

基于Nougat-small微调的数学公式识别模型，擅长从图像中提取LaTeX公式代码

CORD-v2 是一个用于图像转文本任务的模型，主要用于从图像中提取和识别文本内容。

这是一个基于Donut架构的视觉语言模型，专门针对CORD-V2数据集进行微调，用于文档图像转文本任务。

该模型已过时，建议使用官方Nougat模型。

一款专用于转录e13b MICR码的OCR模型，基于微软的TrOCR-large-stage1微调而来。

这是一个基于MIT许可证的图像转文本模型，能够将图像内容转换为描述性文本。

这是一个基于Apache-2.0许可证的图像转文本模型，能够将图像内容转换为文本描述。

基于naver-clova-ix/donut-base微调的模型，具体用途和功能需要更多信息

基于LayoutLMv3架构微调的文档布局分析模型，专门用于处理DocLayNet数据集中的文档元素分类任务。

Sparrow是基于Donut ML基础模型在发票数据上微调的文档数据提取模型，旨在验证Donut在企业文档上的表现性能。

这是一个基于MIT许可证的图像转文本模型，能够将图像内容转换为文本描述。

这是一个基于CORD-v2数据集微调的Donut模型，专为图像转文本任务设计，平均准确率达到0.901。

基于microsoft/layoutlmv3-base在nielsr/funsd-layoutlmv3数据集上微调的文档理解模型

MGP-STR是一个纯视觉场景文本识别模型，通过多粒度预测实现高效OCR。

基于naver-clova-ix/donut-base微调的模型，具体用途未明确说明

基于LayoutLMv3-base微调的发票识别模型，在wild_receipt数据集上训练，擅长从发票中提取结构化信息。

TrOCR是一个基于Transformer的光学字符识别模型，专为单行文本图像设计，在多个标准数据集上进行了微调。

基于LayoutLMv3-base在SROIE数据集上微调的发票信息提取模型，在标记分类任务上表现优异

基于LayoutLMv3-base模型在WildReceipt收据数据集上微调的版本，用于收据关键信息提取任务