/ Модель

Характеристики

Контекст
8 192 токена
Лицензия
Apache 2.0
Архитектура
idefics3 · dense
Базовая модель
SmolDocling-256M-preview
Библиотека
transformers
Опубликована
20 мар 2026

ChemicalOCR

Описание изображенийИзображение → текст3 профессии

Компактная модель Docling Project извлекает текст и его расположение из изображений химических структур и патентных документов.

108скачиваний за 30 дней2лайкавеса обновлены20 мар 2026

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

ChemicalOCR — компактная модель компьютерного зрения и языка от Docling Project, дообученная на базе SmolDocling для распознавания текста на изображениях химических структур. Она принимает изображение молекулярного рисунка и извлекает текстовые фрагменты с ограничивающими рамками, распознавая подписи атомов, химические сокращения и пояснительный текст рядом со структурой. Модель основана на архитектуре Idefics3ForConditionalGeneration и содержит 256 млн параметров.

ChemicalOCR предназначена для OCR химических схем, в том числе для извлечения текста и координат его расположения из патентных документов. В README приведены результаты на наборах M2S, USPTO-M и IP5-M, где модель показала F1 от 86,5 до 93,0 при IoU 0,5. Она также может использоваться как компонент конвейера MarkushGrapher-2 для распознавания химических структур. Лицензия — Apache-2.0.

Сценарии применения

  • распознавание подписей атомов на изображениях молекул
  • извлечение химических сокращений из структурных формул
  • поиск пояснительного текста рядом с химическими схемами
  • распознавание текста и координат в патентных документах
  • подготовка текстовых и пространственных данных для распознавания структур Маркуша

Ограничения

Модель специализируется на распознавании текста и рамок на изображениях химических структур; README не заявляет распознавание полной молекулярной структуры как самостоятельную функцию. Опубликованные метрики относятся к указанным бенчмаркам и не гарантируют качество на других типах изображений.

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

ChemicalOCR is a compact vision-language model fine-tuned specifically for optical character recognition (OCR) in chemical structure images. It extracts text and bounding boxes from molecular drawings, enabling the recognition of atom labels, abbreviations, and descriptive text within chemical structures.

Overview

ChemicalOCR is fine-tuned from SmolDocling, a lightweight 256M-parameter model originally developed for end-to-end document conversion. By specializing for chemical images, ChemicalOCR substantially outperforms general-purpose OCR systems on chemical structure recognition tasks.

What it does

  • Extracts character-level text and bounding boxes from chemical structure images
  • Recognizes atom labels, chemical abbreviations, and descriptive text near or below molecular structures

Architecture

  • Base model: SmolDocling-256M (Idefics3ForConditionalGeneration)
  • Parameters: 256M
  • Input: Chemical structure image
  • Output: Text detections with bounding boxes

Performance

ChemicalOCR substantially outperforms existing OCR models on chemical structure benchmarks:

BenchmarkChemicalOCR (Ours)PaddleOCR v5EasyOCR
M2S (103 images) — F1@IoU₀.₅87.27.710.2
USPTO-M (74 images) — F1@IoU₀.₅93.01.218.0
IP5-M (1000 images) — F1@IoU₀.₅86.51.918.4

Detailed Metrics

BenchmarkPrecisionRecallF1Accuracy@IoU₀.₅
M2S86.987.487.232.0
USPTO-M93.592.693.063.5
IP5-M85.687.486.569.5

Usage

from transformers import AutoProcessor, AutoModelForVision2Seq
from PIL import Image

model = AutoModelForVision2Seq.from_pretrained("docling-project/ChemicalOCR")
processor = AutoProcessor.from_pretrained("docling-project/ChemicalOCR")

image = Image.open("chemical_structure.png")
inputs = processor(images=image, return_tensors="pt")
outputs = model.generate(**inputs)
result = processor.decode(outputs[0], skip_special_tokens=True)

Part of MarkushGrapher-2

ChemicalOCR is a key component of MarkushGrapher-2, an end-to-end model for multimodal recognition of chemical structures from patent documents. In the MarkushGrapher-2 pipeline, ChemicalOCR provides the text and layout information that is fused with visual features for Markush structure recognition.

Citation

@inproceedings{strohmeyer2026markushgrapher2,
  title     = {MarkushGrapher-2: End-to-end Multimodal Recognition of Chemical Structures},
  author    = {Strohmeyer, Tim and Morin, Lucas and Meijer, Gerhard Ingmar and Weber, Valery and Nassar, Ahmed and Staar, Peter W. J.},
  booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
  year      = {2026}
}

License

This model is released under the Apache 2.0 License.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Idefics3ForConditionalGeneration
Ревизия весов
650c1c8

0 моделей