К содержимому
Другое

PP-DocLayoutV3 Vietnamese

разметка вьетнамских документов

2 мин чтения

Это дообученная версия PP-DocLayoutV3 — модели анализа разметки и порядка чтения документов. Адаптирована под вьетнамские административные документы, юридические указы, учебники, договоры и сканы форм; около 0.03 млрд параметров. Модель работает как единый layout-движок PaddleOCR-VL 1.5/1.6 и за один проход предсказывает элементы разметки, полигоны и логический порядок чтения.

Ключевые особенности

  • 25 классов разметки: заголовок документа, заголовок абзаца, текст, таблица, подпись к рисунку, колонтитулы, номер страницы, сноска, печать и другие.
  • Порядок чтения: для каждого блока предсказывается индекс order, чтобы восстановить линейный поток документа.
  • Полигональная сегментация: многоточечные контуры для наклонных, искривлённых и нетипичных элементов.
  • Два формата весов: нативные артефакты PaddlePaddle и веса safetensors для Hugging Face.
  • Один forward pass: элементы, контуры и порядок чтения предсказываются сразу.

Пример

from huggingface_hub import snapshot_download
from paddlex import create_model

model_dir = snapshot_download(repo_id="tieubaoca/PP-DocLayoutV3-Vietnamese")
model = create_model(model_name="PP-DocLayoutV3", model_dir=model_dir, device="gpu:0")
results = model.predict("path/to/document.jpg", batch_size=1)
for res in results:
    res.save_to_json(save_path="./output/res.json")
ПодробнееВалидация на лучшем чекпоинте (эпоха 17): bbox mAP@[IoU=0.50:0.95] — 0.7828, AP@0.50 — 0.8620, AR — 0.8810.
Обучение: 91 страница / 849 элементов, валидация — 10 страниц / 115 элементов; RTX 5060 Ti 16 ГБ, batch size 1, LR 1e-4.
В репозитории есть PaddlePaddle static (~124 МБ) и safetensors (~128 МБ), а также чекпоинт.
Ограничение: дообучение на небольшом наборе вьетнамских документов.
Обсудить Telegram 0

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # tieubaoca/PP-DocLayoutV3-Vietnamese
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 tieubaoca/PP-DocLayoutV3-Vietnamese --local-dir ~/models/PP-DocLayoutV3-Vietnamese
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к PP-DocLayoutV3-Vietnamese
  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 PP-DocLayoutV3-Vietnamese — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

tieubaoca/PP-DocLayoutV3-Vietnamese
Автор
tieubaoca
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

PP-DocLayoutV3

PP-DocLayoutV3