/ Модель

Характеристики

Контекст
8 192 токена
Параметры
3,1 млрд
Размер весов
7,5 ГБ
Архитектура
ocean · dense
Опубликована
23 янв 2025

Ocean-OCR

Генерация текстаТекст → текст10 профессий

Ocean-OCR — мультимодальная модель семейства Ocean для распознавания текста на изображениях и решения OCR-задач.

71скачиваний за 30 дней10лайковвеса обновлены26 янв 2025

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

Ocean-OCR — мультимодальная языковая модель примерно на 3,1 млрд параметров из семейства Ocean, предназначенная для распознавания текста на изображениях и других задач OCR. В карточке авторы описывают её как модель 3B и заявляют высокие результаты в различных сценариях распознавания текста при сопоставимом с общими моделями уровне понимания обычных задач.

Модель использует Native Resolution ViT, чтобы принимать изображения с переменным разрешением, и обучалась на большом наборе OCR-данных. Метаданные указывают архитектуру OceanForCausalLM, формат PyTorch и контекст 8192 токена; также заявлены чат и интерфейс вызова инструментов. В карточке указаны английский и китайский языки. Лицензия в предоставленных данных не указана.

Сценарии применения

  • извлечение текста из изображений
  • распознавание текста в документах и сканах
  • чтение текста на изображениях переменного разрешения
  • ответы на вопросы по текстовому содержимому изображения

Ограничения

Заявления о высоких результатах приведены авторами в карточке; независимые оценки в предоставленных данных отсутствуют. Указанная карточка не содержит сведений о лицензии.

Для каких профессий подходит10

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

Introduction

Multimodal large language models (MLLMs) have shown impressive capabilities across various domains, excelling in processing and understanding information from multiple modalities. Despite the rapid progress made previously, insufficient OCR ability hinders MLLMs from excelling in text-related tasks. In this paper, we present Ocean-OCR, a 3B MLLM with state-of-the-art performance on various OCR scenarios and comparable understanding ability on general tasks. We employ Native Resolution ViT to enable variable resolution input and utilize a substantial collection of high-quality OCR datasets to enhance the model performance.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
OceanForCausalLM
Ревизия весов
e869cba

0 моделей