К содержимому
Компьютерное зрение

PyMuPDF Chart

извлечение таблиц из графиков

2 мин чтения

Модель vision-language (зрительно-языковая модель), созданная на базе PaddleOCR-VL, которая принимает изображение графика и преобразует его данные в текстовую таблицу. Инструмент разработан для использования в связке с библиотекой PyMuPDF для автоматической обработки PDF-документов. Модель требует видеокарту NVIDIA с поддержкой CUDA и около 2 ГБ видеопамяти для инференса. Полезный инструмент для разработчиков и аналитиков, которым нужно автоматизировать оцифровку графиков из отчетов и документов.

Ключевые особенности

  • Точное распознавание данных с графиков и вывод в строчном формате с разделителями
  • Построение строк таблицы с ячейками, разделенными вертикальной чертой
  • Базируется на архитектуре PaddleOCR-VL с адаптацией под формат Hugging Face Transformers
  • Лицензия Apache License 2.0 для свободного использования

Что можно сделать

  • Интегрировать модель в пайплайн обработки PDF-файлов с помощью PyMuPDF
  • Автоматически переводить графики из финансовых и аналитических отчетов в формат Markdown-таблиц
  • Извлекать числовые ряды и заголовки из изображений графиков

Пример

from PIL import Image
import torch
from transformers import AutoModelForImageTextToText, AutoProcessor

repo_id = "artifex-software/pymupdf-chart"
processor = AutoProcessor.from_pretrained(repo_id)
model = AutoModelForImageTextToText.from_pretrained(
    repo_id, dtype=torch.bfloat16
).to("cuda").eval()

image = Image.open("chart.png").convert("RGB")
messages = [{"role": "user", "content": [
    {"type": "image", "image": image},
    {"type": "text", "text": "Chart Recognition:"},
]}]
inputs = processor.apply_chat_template(
    messages, add_generation_prompt=True, tokenize=True,
    return_dict=True, return_tensors="pt",
).to(model.device)
with torch.inference_mode():
    output = model.generate(**inputs, max_new_tokens=2048, do_sample=False)
print(processor.decode(
    output[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True
).strip())
ПодробнееТребования к железу: CUDA GPU, около 2 ГБ VRAM (CPU не поддерживается).
Зависимости: Python 3.12, PyTorch, torchvision, Transformers 5.13 или новее.
Ограничения: метки, значения и единицы могут содержать погрешности; длинные таблицы или сложные многопанельные графики могут обрезаться на лимите 2048 токенов.
Обсудить Telegram 0 4

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.7 GB · готовые файлы2.4 GB
  • FP8 / INT8рекомендуемвеса 0.8 GB1.4 GB
  • 4-bitвеса 0.5 GB1.0 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # artifex-software/pymupdf-chart
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download artifex-software/pymupdf-chart --local-dir ~/models/pymupdf-chart
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к pymupdf-chart
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии pymupdf-chart — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

artifex-software/pymupdf-chart
Автор
artifex-software
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

40

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии