/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
latex_ocr · dense
Опубликована
29 авг 2026

LaTeX-OCR

Описание изображенийИзображение → текст3 профессии

Компактная модель преобразует изображения математических формул в исходный код LaTeX.

23скачиваний за 30 дней0лайковвеса обновлены6 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

adityarajsahu/LaTeX-OCR — компактная модель распознавания математических формул, разработанная автором репозитория на основе CLIP и Pythia. Она принимает изображение с отрисованной формулой и генерирует её исходный код LaTeX; модель дообучена на lukbl/LaTeX-OCR-dataset.

Архитектура объединяет визуальный энкодер openai/clip-vit-base-patch32, языковой декодер EleutherAI/pythia-70m и небольшой MLP-проектор между представлениями CLIP и Pythia. В репозитории доступны веса safetensors и собственный класс LaTeXOCRModel. Модель предназначена для извлечения формул из изображений; лицензия — Apache-2.0.

Карточка упоминает оценку на отложенной выборке по BLEU-4, точному совпадению и нормализованному расстоянию редактирования, но не приводит сами результаты. Она ориентирована на формулы и не заявлена как универсальная OCR-система для обычного текста или документов.

Сценарии применения

  • извлечение LaTeX-кода из изображения математической формулы
  • оцифровка формул из сканов учебников и статей
  • перенос отрисованных уравнений в редактор LaTeX

Ограничения

Модель предназначена для распознавания изображений математических формул; её качество на обычном тексте и документах не заявлено. В карточке приведены используемые метрики оценки, но нет их числовых результатов.

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

adityarajsahu/LaTeX-OCR

A compact image-to-LaTeX model built by merging:

Fine-tuned on lukbl/LaTeX-OCR-dataset to convert images of rendered math formulas into their LaTeX source.

Usage

This model uses custom (trust_remote_code-free) classes registered in this repo; load it via the project's LaTeXOCRModel, or copy src/model.py into your own code:

from transformers import AutoTokenizer, CLIPImageProcessor
from src.model import LaTeXOCRModel
from PIL import Image

repo_id = "adityarajsahu/LaTeX-OCR"
tokenizer = AutoTokenizer.from_pretrained(repo_id)
image_processor = CLIPImageProcessor.from_pretrained(repo_id)
model = LaTeXOCRModel.from_pretrained(repo_id)

image = Image.open("formula.png").convert("RGB")
pixel_values = image_processor(images=image, return_tensors="pt")["pixel_values"]

generated_ids = model.generate(pixel_values=pixel_values, tokenizer=tokenizer, max_new_tokens=192)
print(tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0])

Evaluation

See eval_report_test.json in this repo for BLEU-4, exact-match rate, and normalized edit-distance on a held-out split, plus sample predictions.

Training details

Trained with src/train.py in the accompanying project repository — see configs/config.yaml there for the exact hyperparameters used.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура latex_ocr неизвестна transformers в образе рантайма.

Класс архитектуры
LaTeXOCRModel
Ревизия весов
fa4b980

0 моделей