/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
PaddleOCR
Опубликована
20 янв 2026

PP-DocLayoutV3

Сегментация изображенийИзображение → mask8 профессий

Модель PaddlePaddle для обнаружения элементов макета и порядка чтения на изображениях документов, включая снимки с искажённой геометрией.

40 810скачиваний за 30 дней119лайковвеса обновлены30 сен 2026

Бенчмарки

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

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

PP-DocLayoutV3 — модель обнаружения структуры документов от команды PaddlePaddle для фреймворка PaddleOCR. Она предназначена для анализа изображений документов, в том числе снятых под углом и с изогнутой поверхностью: модель предсказывает многоугольные границы элементов макета и определяет логический порядок чтения за один проход. Это помогает извлекать структуру сложных реальных документов и служит компонентом PaddleOCR-VL 1.5/1.6, GLM-OCR и Xiaomi-OCR-0.

Модель распространяется в весах для PaddlePaddle; в карточке указана лицензия Apache-2.0. Метаданные относят её к сегментации изображений, а описание подчёркивает обнаружение макета документа. Карточка указывает поддержку английского и китайского языков, но не приводит ограничений по классам документов или точности.

Сценарии применения

  • обнаружение блоков текста и других элементов на сканах документов
  • определение порядка чтения на наклонённых страницах
  • анализ макета документов с изогнутой поверхностью
  • подготовка структуры страницы для последующего OCR
  • разбор реальных документов в конвейере PaddleOCR-VL

Ограничения

Карточка не приводит метрик качества и подробного перечня распознаваемых категорий элементов макета.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Unified Layout Module for PaddleOCR-VL 1.5/1.6 & GLM-OCR & Xiaomi-OCR-0.

repo HuggingFace ModelScope HuggingFace ModelScope Discord X License

🔥 Official Website | 📝 Technical Report

Introduction

This is the PP-Doclayoutv3 model weights for the PaddlePaddle framework. Get safetensors weights at PP-DocLayoutV3_safetensors

PP-DocLayoutV3 is specifically engineered to handle non-planar document images. It can directly predict multi-point bounding boxes for layout elements—as opposed to standard two-point boxes—and determine logical reading orders for skewed and curved surfaces within a single forward pass, significantly reducing cascading errors. This model is an essential component of PaddleOCR-VL-1.5, providing crucial layout analysis for the high-precision parsing of various real-world documents in PaddleOCR-VL.

This work has been accepted to ECCV 2026! 🎉

Model Architecture

Visualization

Light Variation

Skewing

Screen-photo

Curving

Citation

If you find PP-DocLayoutV3 helpful, feel free to give us a star and citation.

@misc{cui2026rtdoclayoutrealtimeendtoenddocument,
      title={RT-DocLayout: Real-Time End-to-End Document Layout Analysis with Reading Order in the Wild}, 
      author={Cheng Cui and Tingquan Gao and Xueqing Wang and Changda Zhou and Hongen Liu and Ting Sun and Yubo Zhang and Zelun Zhang and Jiaxuan Liu and Manhui Lin and Yue Zhang and Suyin Liang and Yiqing Xiang and Yi Liu},
      year={2026},
      eprint={2606.23344},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2606.23344}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · PaddleOCR

Нельзя запустить

Модели PaddlePaddle рантайм не загружает.

Ревизия весов
241f8bd

0 моделей