PaddleOCR-VL是百度發布的多模態文檔解析模型。僅0.9B參數量在OmniDocBench V1.5榜單獲92.6分全球第一，在文本識別、公式識別、表格理解、閱讀順序四大核心能力全部拿下SOTA。
基本介紹
- 外文名：PaddleOCR-VL
- 發布方：百度
產品功能,產品優勢,
產品功能
模型支持109種語言，覆蓋手寫、豎排、藝術字型等複雜形態，公式識別CDM得分0.9453，表格理解得分89.8，閱讀順序預測誤差僅0.043。
產品優勢
採用兩階段架構，融合NaViT動態解析度視覺編碼器與ERNIE-4.5-0.3B語言模型，在單張A100上推理速度達1881token/s，發布16小時內登頂HuggingFace Trending全球第一。
