/ Модель

Характеристики

Контекст
3 584 токена
Лицензия
Apache 2.0
Архитектура
vision-encoder-decoder · dense
Базовая модель
nougat-small
Опубликована
12 янв 2024

nougat-for-formula

Описание изображенийИзображение → текст3 профессии

Дообученная Nougat Small распознаёт математические формулы на изображениях и преобразует их в код LaTeX.

96скачиваний за 30 дней5лайковвеса обновлены14 окт 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание текста» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

CuiSiwei/nougat-for-formula — это дообученная на IM2LATEX-100K модель Nougat Small для распознавания математических формул на изображениях. Она использует архитектуру vision encoder-decoder и преобразует изображение с формулой в чёрном цвете на белом фоне в код LaTeX; модель рассчитана на распознавание формул, а не на разбор произвольных документов. Её можно применять для оцифровки формул из конспектов и скриншотов, а также в приложениях, которые автоматически создают LaTeX-разметку.

В README приведены результаты на тестовой части IM2LATEX-100K: BLEU 0,8157 и CER 0,1601. Длина формулы ограничена максимальной длиной генерации используемой конфигурации; модель может ошибаться на неподходящем фоне или при отличающемся оформлении формул. Лицензия — Apache-2.0.

Сценарии применения

  • преобразование формулы со скриншота в LaTeX
  • оцифровка математических формул из конспектов
  • автоматическая подготовка LaTeX-разметки в приложениях
  • распознавание формул на изображениях с белым фоном

Ограничения

Модель ориентирована на формулы чёрного цвета на белом фоне, а длина распознаваемой формулы ограничена максимальной длиной генерации. На тестовой части IM2LATEX-100K указаны BLEU 0,8157 и CER 0,1601, поэтому результаты не гарантируют точного распознавания каждой формулы.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Nougat for formula

We performed fune-tuning on small-sized Nougat model using data from IM2LATEX-100K to make it especially powerful in identifying formula from images.

Model Details

Model Description

Nougat for formula is good at identifying formula from images. It takes images with white backgroud and formula written in black as input and return with accurate Latex code for the formula.

The Naugat model (Neural Optical Understanding for Academic Documents) was proposed by Meta AI in August 2023 as a visual Transformer model for processing scientific documents. It can convert PDF format documents into Markup language, especially with good recognition ability for mathematical expressions and tables.The goal of this model is to improve the accessibility of scientific knowledge by bridging human readable documents with machine readable text.

Uses

Nougat for formula can be used as a tool for converting complicated formula to Latex code. It has potential to be a good substitute for other tools.

For example, when you are taking notes and tired at coding long Latex/Markdown formula code, just make a screen shot of them and put it into Nougat for formula. Then you can get the exact code for the formula as long as it won't exceed the max length of the model you use.

You can also continue fine-tuning the model to make it more powerful in identifying formulas from certain subjects.

Nougat for formula may be useful when developing tools or apps aiming at generating Latex code.

How to Get Started with the Model

Demo below shows how to input an image into the model and generate Latex/Markdown formula code.

from transformers import NougatProcessor, VisionEncoderDecoderModel
from PIL import Image

max_length = 100 # defing max length of output
processor = NougatProcessor.from_pretrained(r".", max_length = max_length) # Replace with your path 
model = VisionEncoderDecoderModel.from_pretrained(r".") # Replace with your path

image = Image.open(r"image_path") # Replace with your path
image = processor(image, return_tensors="pt").pixel_values # The processor will resize the image according to our model

result_tensor = model.generate(
            image,
            max_length=max_length,
            bad_words_ids=[[processor.tokenizer.unk_token_id]]
              ) # generate id tensor

result = processor.batch_decode(result_tensor, skip_special_tokens=True) # Using the processor to decode the result
result = processor.post_process_generation(result, fix_markdown=False)

print(*result)

Training Details

Training Data

IM2LATEX-100K

Preprocessing

The preprocessing of X(image) has been showed in the short demo above.

The preprocessing of Y(formula) is done by:

  1. Remove the space in the formula string.
  2. Using processor to tokenize the string.

Training Hyperparameters

  • Training regime: torch.optim.AdamW(model.parameters(), lr=1e-4)

Evaluation

Testing Data, Factors & Metrics

Testing Data

The tesing data is also taken from IM2LATEX-100K. Note that the train, validation and test data has been well split before downloading.

Metrics

BLEU and CER.

Results

The BLEU is 0.8157 and CER is 0.1601 on test data.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
e156788

0 моделей