SmolDocling（SmolDocling-256M-preview ）是高效轻量级的多模态文档处理模型。能将文档图像端到端地转换为结构化文本，支持文本、公式、图表等多种元素识别，适用于学术论文、技术报告等多类型文档。模型参数量仅 256M，推理速度快，A100 GPU 上每页处理仅需 0.35 秒，与 Docling 完全兼容，可导出多种格式。
（图片来源网络，侵删）
（图片来源网络，侵删）
上一篇
SmolDocling – 轻量级的多模态文档处理模型
猜你喜欢
-
发布了文章 2分钟前
VideoLLaMA3 – 阿里达摩院推出的多模态基础模型
VideoLLaMA3 是阿里巴巴开源的前沿多模态基础模型，专注于图像和视频理解。基于 Qwen 2.5 架构，结合了先进的视觉编码器（如 SigLip）和强大的语言生成能力，能高效处理长视频序列，支持多语言的视频内容分析和...
-
发布了文章 5分钟前
VideoJAM – Meta 推出增强视频生成模型运动连贯性的框架
VideoJAM是Meta推出的，用在增强视频生成模型运动连贯性的框架。基于引入联合外观-运动表示，让模型在训练阶段同时学习预测视频的像素和运动信息，在推理阶段基于模型自身的运动预测作为动态引导信号，生成更连贯的运动。...
-
发布了文章 5分钟前
VideoGrain – 悉尼科技大学和浙大推出的视频编辑框架
VideoGrain 是悉尼科技大学和浙江大学推出的零样本多粒度视频编辑框架，能实现类别级、实例级和部件级的精细视频修改。VideoGrain基于调节时空交叉注意力和自注意力机制，增强文本提示对目标区域的控制能力，且保持区域...
-
发布了文章 8分钟前
VideoGigaGAN – Adobe推出的AI视频分辨率提升模型
VideoGigaGAN是由Adobe和马里兰大学的研究人员提出的一种新型的生成式视频超分辨率（VSR）模型，最高可将视频分辨率提升8倍，将模糊的视频放大为具有丰富细节和时间连贯性的高清视频。...
-
发布了文章 8分钟前
VideoGameBunny – 专为视频游戏设计的开源多模态大模型
VideoGameBunny（VGB）是一个专为视频游戏设计的开源大型多模态模型，由加拿大阿尔伯塔大学研究团队开发。它能理解和生成多种语言的游戏相关内容，支持高度定制化，具备强大的文本生成能力。...
-
发布了文章 11分钟前
VideoFusion – AI视频剪辑工具，自动去除视频黑边、水印和字幕
VideoFusion 是开源的短视频拼接与处理软件，专为高效视频编辑设计。支持自动去除视频中的黑边、水印和字幕，能将视频自动旋转为横屏或竖屏，适配不同播放场景。软件具备降噪、去抖动、音量平衡等功能，能提升视频画质。...
-
发布了文章 14分钟前
VideoDoodles – Adobe推出的AI视频编辑框架
VideoDoodles是Adobe公司联合多所大学推出的AI视频编辑框架。支持用户在视频中轻松插入手绘动画，实现与视频内容的无缝融合。通过预处理视频帧，系统提供平面画布，用户可以视频上绘制动画，系统自动处理透视和遮挡效果。...
-
发布了文章 17分钟前
VideoChat-baidu09Flash – 上海 AI Lab 等机构推出针对长视频建模的多模态大模型
VideoChat-Flash 是上海人工智能实验室和南京大学等机构联合开发的针对长视频建模的多模态大语言模型（MLLM），模型通过分层压缩技术（HiCo）高效处理长视频，显著减少计算量，同时保留关键信息。...
全部评论
留言在赶来的路上...
发表评论