Home Topic library logo Library Code Library Shop
More
类库 › MinerU-Diffusion
opendatalab

opendatalab/MinerU-Diffusion

MinerU-Diffusion是一个基于扩散模型的文档OCR框架，它将传统的自回归解码替换为块级并行扩散解码，实现了快速、鲁棒且具有布局感知能力的文档文字识别。

573 35 573 5
在 GitHub 上查看
opendatalab/MinerU-Diffusion

标签

ai4science diffusion dlm document-analysis extract-data layout-analysis llada ocr parser pdf pdf-converter pdf-extractor-llm pdf-extractor-pretrain pdf-extractor-rag pdf-parser python

技术栈

根目录 python

查看全部依赖 (17)

依赖

NumPy accelerate einops flash-attn liger-kernel pillow qwen-vl-utils safetensors sentencepiece termcolor torch torchaudio torchvision tqdm transformers triton xxhash

截图

assets/banner.png
assets/decode.png
assets/train.png
assets/performance_tradeoff.jpeg

相关项目

donnemartin
donnemartin/system-design-primer
该仓库是一个系统设计学习资源库，用于帮助开发者学习和设计大规模分布式系统，并为系统设计面试做准备。包含大量结构化学习材料、Anki闪卡和多语言翻译。
344.3k Python
Significant-Gravitas
Significant-Gravitas/AutoGPT
AutoGPT是一个强大的平台，允许用户创建、部署和管理持续的AI智能体，自动化复杂工作流程。
178k Python
huggingface
huggingface/transformers
🤗 Transformers是用于自然语言处理、计算机视觉、音频和多模态任务的先进机器学习模型库，支持预训练模型的定义、推理和训练，涵盖数千种最前沿的模型架构与权重。
159.9k Python
AUTOMATIC1111
AUTOMATIC1111/stable-diffusion-webui
该仓库提供Stable Diffusion的网页界面，用户可以通过直观的方式实现文本生成图片及图像处理，如修复、放大和调整参数等功能。
155.9k Python
ytdl-org
ytdl-org/youtube-dl
youtube-dl是一个命令行程序，用于从YouTube及其他视频网站下载视频，方便用户在各种平台上离线观看。
137k Python
yt-dlp
yt-dlp/yt-dlp
yt-dlp是一个功能丰富的命令行音视频下载器，支持成千上万的网站，方便用户下载多种格式的媒体内容。
123.6k Python

评论

Home - Wiki
Copyright © 2011-2026 iteam. Current version is 2.155.1. UTC+08:00, 2026-04-27 06:41
浙ICP备14020137号-1 $Map of visitor$