百度开源超长文档解析模型 Unlimited OCR 2
AI 总结
百度发布3B参数图文转文本模型 Unlimited OCR 2,采用稀疏参考滑动窗口注意力机制(SR-SWA),面向无限跨度文档解析。此次发布还推出了超长文档解析基准 MarathonDocBench。报道援引的MPDocBench和MarathonDocBench得分分别为84.6和77.1,并称测试涉及七部《哈利·波特》作品,总计超过3600页。代码和模型权重已在GitHub及Hugging Face发布,模型也通过ModelScope和百度云提供。所供报道未对基准成绩、最先进水平声明及大部头测试细节进行独立验证。
深度见解
此次发布同时提供开放的3B OCR模型和新的超长文档基准。SR-SWA旨在使单步解码延迟和内存占用随文档长度增长保持近似恒定,以应对长文档解析中的关键计算约束。
baidu/Unlimited-OCR-2 Image-Text-to-Text • 3B • Updated 5 days ago • 612k • 717
pipeline_tag: image-text-to-text language:
- multilingual tags:
- baidu
- vision-language
- ocr
- custom_code license: mit library_name: transformers

#Baidu#Unlimited OCR 2#SR-SWA#MarathonDocBench#MPDocBench#Hugging Face#GitHub#ModelScope#Baidu Cloud