/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
AGPL 3.0
Архитектура
vision-encoder-decoder · dense
Опубликована
14 янв 2025

im2latex_base

Описание изображенийИзображение → текст3 профессии

Модель распознаёт математические формулы на изображениях и преобразует их в код LaTeX.

16скачиваний за 30 дней1лайквеса обновлены29 янв 2025

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

Matthijs0/im2latex_base — модель Matthijs0 для преобразования изображений математических формул в код LaTeX. Это модель VisionEncoderDecoderModel: визуальный кодировщик Swin Transformer извлекает представление формулы, а декодер GPT-2 генерирует последовательность LaTeX. Модель обучена на наборе OleehyO/latex-formulas с разделением данных на обучающую, валидационную и тестовую части.

Модель подходит для распознавания формул на изображениях и последующего редактирования или использования их LaTeX-представления. В README приведены значения test loss 0,09 и BLEU 0,69. Указанная версия является чекпойнтом до дообучения на рукописных формулах, поэтому её пригодность для рукописного ввода может быть ограничена. Распространяется по лицензии AGPL-3.0.

Сценарии применения

  • извлечение LaTeX из изображений формул
  • оцифровка набранных математических выражений
  • преобразование формул из сканов в редактируемый LaTeX

Ограничения

Это версия до дообучения на рукописных данных, поэтому качество на рукописных формулах может быть ограничено. Приведённые метрики относятся к тестовой выборке исходного набора данных.

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

im2latex_model

This model is a VisionEncoderDecoderModel trained on a dataset for generating LaTeX formulas from images. This is part of a project that reproduces the following paper: https://arxiv.org/html/2408.04015v1. NOTE: In the paper, the model is finetuned on handwritten data after training. This is the model before finetuning.

Model Details

  • Encoder: Swin Transformer
  • Decoder: GPT-2
  • Framework: PyTorch

Training Data

The data is taken from OleehyO/latex-formulas. The data was divided into 80:10:10 for train, val and test. The splits were made as follows:

dataset = load_dataset(OleehyO/latex-formulas, cleaned_formulas)
train_val_split = dataset["train"].train_test_split(test_size=0.2, seed=42)
train_ds = train_val_split["train"]
val_test_split = train_val_split["test"].train_test_split(test_size=0.5, seed=42)
val_ds = val_test_split["train"]
test_ds = val_test_split["test"]

Evaluation Metrics

The model was evaluated on a test set with the following results:

  • Test Loss: 0.09
  • Test BLEU Score: 0.69

Usage

You can use the model directly with the transformers library:

from transformers import VisionEncoderDecoderModel, AutoTokenizer, AutoFeatureExtractor
import torch
from PIL import Image

# Load model, tokenizer, and feature extractor
model = VisionEncoderDecoderModel.from_pretrained("your-username/your-model-name")
tokenizer = AutoTokenizer.from_pretrained("your-username/your-model-name")
feature_extractor = AutoFeatureExtractor.from_pretrained("your-username/your-model-name")

# Prepare an image
image = Image.open("path/to/your/image.png")
pixel_values = feature_extractor(images=image, return_tensors="pt").pixel_values

# Generate LaTeX formula
generated_ids = model.generate(pixel_values)
generated_texts = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)

print("Generated LaTeX formula:", generated_texts[0])

Training Script

The training script for this model can be found in the following repository: GitHub


license: agpl-3.0

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
617ab89

0 моделей