К содержимому
Другое

FFDNet-L-cpu

автоматическое создание заполняемых PDF-форм на CPU

2 мин чтенияобновлено

FFDNet-L-cpu — это детектор объектов (модель компьютерного зрения для поиска элементов на странице), который автоматически находит в обычных PDF-файлах места для ввода текста, галочек и подписей и превращает документ в интерактивную заполняемую форму. Релиз представляет собой ONNX-версию (кроссплатформенный формат для быстрого запуска моделей) старшей модели FFDNet-L на 25 млн параметров, оптимизированную для работы на центральном процессоре. Модель обучена на датасете CommonForms и в отличие от более лёгкой версии FFDNet-S обеспечивает заметно более высокую точность распознавания полей. Инструмент пригодится разработчикам систем документооборота, юристам и всем, кому нужно массово оцифровывать статичные бланки без видеокарты.

Ключевые особенности

  • Распознаёт три типа элементов формы: текстовые поля (TextBoxes), чекбоксы (ChoiceButtons) и поля для подписи (Signature).
  • Оптимизирована для запуска на CPU в формате ONNX, также поддерживается ускоренный режим работы с пониженной точностью (флаг --fast).
  • Поставляется в составе пакета commonforms с готовым интерфейсом командной строки (CLI) и Python API.
  • Позволяет сохранять уже существующие в PDF интерактивные поля и настраивать порог уверенности и разрешение обработки.

Что можно сделать

  • Пакетно конвертировать архивы статичных анкет, договоров и заявлений в интерактивные PDF-формы через терминал.
  • Встроить функцию prepare_form в корпоративный веб-сервис или Telegram-бота для автоматической подготовки пользовательских документов к заполнению.
  • Доразмечать частично готовые PDF-бланки, добавляя пропущенные поля для подписи с помощью флагов --keep-existing-fields и --use-signature-fields.

Пример

from commonforms import prepare_form

prepare_form(
    "path/to/input.pdf",
    "path/to/output.pdf",
    keep_existing_fields=True,
    use_signature_fields=True,
    image_size=1216
)
ПодробнееРазмер модели: 25M параметров (ONNX-экспорт для CPU).
Метрики FFDNet-L (1216px) на CommonForms: общая точность AP — 81.0 (текстовые поля — 71.4, чекбоксы — 78.1, подписи — 93.5).
Установка: pip install commonforms или uv pip install commonforms.
Запуск из терминала: commonforms (по умолчанию --image-size 1600, --confidence 0.3).
Примеры
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.6 GB
  • 4-bitвеса 0.0 GB0.5 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.

    # wyyadd/FFDNet-L-cpu
    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 wyyadd/FFDNet-L-cpu --local-dir ~/models/FFDNet-L-cpu
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к FFDNet-L-cpu
  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 FFDNet-L-cpu — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

wyyadd/FFDNet-L-cpu
Автор
wyyadd
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