/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
florence2 · dense
Опубликована
10 июл 2024

TF-ID-large

Генерация текстаТекст → текст5 профессий

TF-ID-large находит таблицы и рисунки с подписями на изображениях страниц научных статей и возвращает их рамки и метки.

731скачиваний за 30 дней21лайквеса обновлены11 июл 2024

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 «Текст» — 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

TF-ID-large — модель компьютерного зрения, разработанная Yifei Hu для поиска таблиц и рисунков на страницах научных статей. Это версия семейства TF-ID с 0,77 млрд параметров, дообученная на контрольных точках Microsoft Florence-2. На вход подаётся изображение одной страницы статьи; модель возвращает рамки объектов и их метки, включая подписи к таблицам и рисункам.

Модель предназначена для извлечения структурных элементов научных публикаций и подготовки страниц к дальнейшему разбору или индексации. В проверке на 258 страницах статей вне обучающей выборки корректный результат получен для 253 страниц (98,06%); при этом возможны лишние или дробящие один объект рамки. Репозиторий содержит веса PyTorch в формате Safetensors. Лицензия — MIT.

Сценарии применения

  • поиск таблиц на страницах научных статей
  • поиск рисунков и их подписей в публикациях
  • автоматическая разметка страниц академических статей
  • подготовка научных PDF к извлечению таблиц и иллюстраций

Ограничения

Модель принимает изображение одной страницы за раз; в некоторых случаях может создавать несколько рамок для одного составного рисунка. Приведённая оценка получена на выборке из 258 страниц статей и не гарантирует такую же точность на других типах документов.

Для каких профессий подходит5

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

TF-ID: Table/Figure IDentifier for academic papers

Model Summary

TF-ID (Table/Figure IDentifier) is a family of object detection models finetuned to extract tables and figures in academic papers created by Yifei Hu. They come in four versions:

ModelModel sizeModel Description
TF-ID-base[HF]0.23BExtract tables/figures and their caption text
TF-ID-large[HF] (Recommended)0.77BExtract tables/figures and their caption text
TF-ID-base-no-caption[HF]0.23BExtract tables/figures without caption text
TF-ID-large-no-caption[HF] (Recommended)0.77BExtract tables/figures without caption text
All TF-ID models are finetuned from microsoft/Florence-2 checkpoints.
  • The models were finetuned with papers from Hugging Face Daily Papers. All bounding boxes are manually annotated and checked by humans.
  • TF-ID models take an image of a single paper page as the input, and return bounding boxes for all tables and figures in the given page.
  • TF-ID-base and TF-ID-large draw bounding boxes around tables/figures and their caption text.
  • TF-ID-base-no-caption and TF-ID-large-no-caption draw bounding boxes around tables/figures without their caption text.

Large models are always recommended!

image/png

Object Detection results format: {'<OD>': {'bboxes': [[x1, y1, x2, y2], ...], 'labels': ['label1', 'label2', ...]} }

Training Code and Dataset

Benchmarks

We tested the models on paper pages outside the training dataset. The papers are a subset of huggingface daily paper.

Correct output - the model draws correct bounding boxes for every table/figure in the given page.

ModelTotal ImagesCorrect OutputSuccess Rate
TF-ID-base[HF]25825197.29%
TF-ID-large[HF]25825398.06%
ModelTotal ImagesCorrect OutputSuccess Rate
TF-ID-base-no-caption[HF]26125396.93%
TF-ID-large-no-caption[HF]26125497.32%

Depending on the use cases, some "incorrect" output could be totally usable. For example, the model draw two bounding boxes for one figure with two child components.

How to Get Started with the Model

Use the code below to get started with the model.

import requests
from PIL import Image
from transformers import AutoProcessor, AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained("yifeihu/TF-ID-base", trust_remote_code=True)
processor = AutoProcessor.from_pretrained("yifeihu/TF-ID-base", trust_remote_code=True)

prompt = "<OD>"
url = "https://huggingface.co/yifeihu/TF-ID-base/resolve/main/arxiv_2305_10853_5.png?download=true"
image = Image.open(requests.get(url, stream=True).raw)

inputs = processor(text=prompt, images=image, return_tensors="pt")
generated_ids = model.generate(
    input_ids=inputs["input_ids"],
    pixel_values=inputs["pixel_values"],
    max_new_tokens=1024,
    do_sample=False,
    num_beams=3
)

generated_text = processor.batch_decode(generated_ids, skip_special_tokens=False)[0]
parsed_answer = processor.post_process_generation(generated_text, task="<OD>", image_size=(image.width, image.height))

print(parsed_answer)

To visualize the results, see this tutorial notebook for more details.

BibTex and citation info

@misc{TF-ID,
  author = {Yifei Hu},
  title = {TF-ID: Table/Figure IDentifier for academic papers},
  year = {2024},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/ai8hyf/TF-ID}},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Florence2ForConditionalGeneration
Ревизия весов
a91ffef

0 моделей