/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
docling-layout-heron
Опубликована
24 сен 2026

docling-layout-heron-gguf

Поиск объектовИзображение → bounding_boxes9 профессий

Конверсия Docling Layout Heron в GGUF для обнаружения текстовых и структурных областей на изображениях страниц документов.

395скачиваний за 30 дней0лайковвеса обновлены24 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

Docling Layout Heron GGUF — конверсия модели docling-project/docling-layout-heron, созданной проектом Docling, в формат GGUF для graph runner LM-Kit.NET. Это детектор структуры документов на архитектуре RT-DETRv2, а не языковая модель. Он принимает RGB-изображение страницы размером 640 × 640 и находит области документа, возвращая их границы, классы и оценки уверенности. Модель распознаёт 17 классов, включая текст, заголовки, таблицы, изображения, формулы, подписи, списки, колонтитулы, код, флажки, формы и области «ключ–значение»; число параметров — 42,1 млн.

Модель подходит для выделения структуры страниц перед извлечением текста, разбором таблиц и обработкой форм. GGUF-файл хранит веса в полной точности F32, имеет размер около 168,5 МБ и запускается через LM-Kit.NET на CPU или GPU. Карточка не сообщает языковые ограничения; детекция макета основана на изображении и не предполагает генерацию текста. Лицензия — Apache-2.0.

Сценарии применения

  • поиск текстовых блоков и заголовков на странице документа
  • обнаружение таблиц, формул и изображений в сканах
  • выделение полей и областей «ключ–значение» в формах
  • определение границ колонтитулов, подписей и списков
  • предварительная разметка макета документа перед извлечением данных

Ограничения

Ожидает RGB-вход размером 640 × 640 и выдаёт детекции из фиксированного набора 17 классов; это не языковая модель и она не извлекает текстовое содержимое сама по себе.

Для каких профессий подходит9

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

Docling Layout Heron (GGUF for LM-Kit)

A GGUF conversion of docling-project/docling-layout-heron, an RT-DETRv2 document layout detector. It finds the regions of a page with their bounds and confidence, across 17 classes: caption, footnote, formula, list item, page footer, page header, picture, section header, table, text, title, document index, code, checkbox (selected and unselected), form and key-value region.

This file runs on LM-Kit.NET's graph runner (architecture lmkit-layout-rtdetr), on the CPU or a GPU, in full F32 precision. It is not a llama.cpp language model.

FilePrecisionSizeSHA-256
docling-layout-heron.ggufF32168,456,096 bytes4c3ba02bb6697e91e738202c7f040c7535b51829ac93a261062c6618e3fd7ba8

Input: 640 x 640 RGB. Parameters: 42.1M. Converter revision 1, from the upstream weights with SHA-256 59c81a3a2923042d85034ffc487f8f47e4854117e879aef89b2b9f728fb4922a.

Usage with LM-Kit.NET

using LMKit.Model;

LM layoutModel = LM.LoadFromModelID("docling-layout-heron");
// layoutModel.HasLayoutDetection == true

License and attribution

Apache-2.0, as the upstream model. Credit goes to the Docling project. If you use this model, please cite the upstream works:

  • Livathinos et al., "Advanced Layout Analysis Models for Docling", 2025, arXiv:2509.11720.
  • Deep Search Team, "Docling Technical Report", 2024, arXiv:2408.09869.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
6f6fd8d

0 моделей