/ Модель

Характеристики

Контекст
3 584 токена
Лицензия
CC BY 4.0
Архитектура
vision-encoder-decoder · dense
Базовая модель
nougat-small
Библиотека
transformers.js
Опубликована
28 окт 2025

nougat-small-ONNX

Описание изображенийИзображение → текст9 профессий

onnx-community/nougat-small-ONNX — ONNX-версия модели facebook/nougat-small, автоматически конвертированная и опубликованная сообществом ONNX Community.

20скачиваний за 30 дней0лайковвеса обновлены28 окт 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

Оригинальная модель Nougat разработана Lukas Blecher, Guillem Cucurull, Thomas Scialom и Robert Stojnic в рамках проекта Facebook Research.

Модель предназначена для преобразования изображений страниц научных PDF-документов в структурированный текст в формате Markdown. Она принимает пиксельное изображение документа и авторегрессионно генерирует его текстовое представление, включая содержимое, подходящее для последующей обработки и использования в сценариях извлечения данных из академических публикаций.

Архитектура включает визуальный энкодер Swin Transformer и текстовый декодер mBART. Это небольшая версия Nougat, соответствующая варианту 0.1.0-small; модель работает в режиме image-to-text и распространяется в формате ONNX, что подходит для запуска через Transformers.js. Языки, размер контекста и точные параметры модели в карточке не указаны. Модель ориентирована прежде всего на научные PDF-документы и может быть ограничена качеством исходного изображения, сложностью разметки и отличиями документов от обучающих данных.

Модель распространяется по лицензии CC BY 4.0.

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

nougat-small (ONNX)

This is an ONNX version of facebook/nougat-small. It was automatically converted and uploaded using this Hugging Face Space.

Usage with Transformers.js

See the pipeline documentation for image-to-text: https://huggingface.co/docs/transformers.js/api/pipelines#module_pipelines.ImageToTextPipeline


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 · transformers.js

Нельзя запустить

Модель выложена для браузера (ONNX / transformers.js), для GPU-рантайма нет весов.

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
2056205

0 моделей