PP-DocLayoutV3
модуль анализа разметки документов
1 мин чтенияобновлено
Модель предназначена для анализа структуры документов, включая сложные или искривленные поверхности (например, фотографии экранов или мятую бумагу). В отличие от стандартных методов, она умеет предсказывать многоточечные ограничивающие рамки (полигоны) вместо простых прямоугольников и определять логический порядок чтения за один проход. Разработка создана как ключевой компонент для систем PaddleOCR-VL и GLM-OCR. Инструмент пригодится разработчикам и исследователям, занимающимся высокоточным распознаванием текстов и парсингом реальных документов.
Ключевые особенности
- Предсказание многоточечных ограничивающих рамок для элементов разметки вместо стандартных двухточечных боксов.
- Определение логического порядка чтения для искривленных и скошенных поверхностей за один проход.
- Снижение числа каскадных ошибок при обработке сложных непланарных изображений документов.
- Интеграция с современными визуально-языковыми системами вроде PaddleOCR-VL.
Что можно сделать
- Применить модель через библиотеку transformers для анализа структуры и разметки сканов документов.
- Извлечь текст в правильном логическом порядке из фотографий страниц под наклоном или на изогнутых поверхностях.
- Использовать в конвейерах обработки документов для точного выделения таблиц, заголовков и параграфов.
Пример
import requests
from PIL import Image
from transformers import AutoImageProcessor, AutoModelForObjectDetection
model_path = "123explorer/pp-doclayoutv3"
model = AutoModelForObjectDetection.from_pretrained(model_path)
image_processor = AutoImageProcessor.from_pretrained(model_path)
image = Image.open(requests.get("[https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/layout_demo.jpg](https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/layout_demo.jpg)", stream=True).raw)
inputs = image_processor(images=image, return_tensors="pt")
outputs = model(**inputs)
results = image_processor.post_process_object_detection(outputs, target_sizes=[image.size[::-1]])
Подробнее
Библиотека: transformersЗадача: object-detection
Принята на конференции ECCV 2026
Работает с многоязычными документами










Комментарии