/ Модель

Характеристики

Контекст
3 584 токена
Лицензия
CC BY 4.0
Архитектура
vision-encoder-decoder · dense
Опубликована
21 сен 2023

nougat-small

Описание изображенийИзображение → текст7 профессий

Nougat Small преобразует изображения страниц научных PDF-документов в текст Markdown.

4 271скачиваний за 30 дней33лайкавеса обновлены20 ноя 2023

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

Nougat Small — модель семейства Nougat, разработанная командой Nougat для преобразования страниц научных PDF-документов в Markdown. Это версия 0.1.0-small; модель обучена на задаче транскрибации PDF в Markdown и предсказывает текст по изображению страницы.

Архитектура состоит из визуального кодировщика Swin Transformer и текстового декодировщика mBART в схеме vision-encoder-decoder. Модель принимает изображение страницы и генерирует текстовую разметку Markdown. Лицензия — CC BY 4.0.

Основное применение — извлечение и структурированная транскрибация содержимого научных документов. Карточка рекомендует использовать модель для преобразования PDF в Markdown; отдельные количественные характеристики и ограничения качества в README не приведены.

Сценарии применения

  • преобразование страниц научных PDF в Markdown
  • извлечение текста из сканов научных статей
  • транскрибация структуры научного документа по изображению страницы

Ограничения

Модель предназначена для научных PDF-документов; качество на других типах документов не описано. README не приводит количественных оценок качества.

Для каких профессий подходит7

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

Nougat model, small-sized version

Nougat model trained on PDF-to-markdown. It was introduced in the paper Nougat: Neural Optical Understanding for Academic Documents by Blecher et al. and first released in this repository.

Disclaimer: The team releasing Nougat did not write a model card for this model so this model card has been written by the Hugging Face team.

Note: this model corresponds to the "0.1.0-small" version of the original repository.

Model description

Nougat is a Donut model trained to transcribe scientific PDFs into an easy-to-use markdown format. The model consists of a Swin Transformer as vision encoder, and an mBART model as text decoder.

The model is trained to autoregressively predict the markdown given only the pixels of the PDF image as input.

Nougat high-level overview. Taken from the original paper.

Intended uses & limitations

You can use the raw model for transcribing a PDF into Markdown. See the model hub to look for other fine-tuned versions that may interest you.

How to use

We refer to the docs.

BibTeX entry and citation info

@misc{blecher2023nougat,
      title={Nougat: Neural Optical Understanding for Academic Documents}, 
      author={Lukas Blecher and Guillem Cucurull and Thomas Scialom and Robert Stojnic},
      year={2023},
      eprint={2308.13418},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

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
dced72a

0 моделей