提交您的產品 
Ai應用
Ai資訊
AI生圖
AI生視頻
FastbuildAISmolDocling：將復雜的文檔轉換為結構化文本的輕量型視覺語言模型
SmolDocling是什么？
SmolDocling 是由 IBM Research 和 Hugging Face 聯(lián)合開發(fā)的輕量型視覺語言模型，專為端到端多模態(tài)文檔轉換而設計。它僅包含 256M 參數(shù)，能夠在消費級 GPU 上快速處理文檔，每頁文檔的處理時間僅需 0.35 秒。SmolDocling 的核心使命是將任意圖片中的復雜內容轉化為可編輯的結構化數(shù)據(jù)。
SmolDocling功能
DocTags 用于高效標記：引入 DocTags，這是一種高效且簡潔的文檔表示方式，與 DoclingDocuments 完全兼容。
OCR（光學字符識別）：能夠從圖像中準確提取文本。
布局和定位：保留文檔結構和文檔元素的 邊界框。
代碼識別：檢測并格式化代碼塊，包括縮進。
公式識別：識別并處理數(shù)學表達式。
圖表識別：提取并解釋圖表數(shù)據(jù)。
表格識別：支持帶列標題和行標題的結構化表格提取。
圖形分類：區(qū)分圖形和圖形元素。
標題對應：將標題與相關圖像和圖形鏈接起來。
列表分組：正確組織和結構化列表元素。
全頁轉換：處理整個頁面，包括頁面上的所有元素（代碼、方程、表格、圖表等）。
OCR 帶邊界框：使用邊界框進行 OCR 區(qū)域識別。
通用文檔處理：適用于科學和非科學文檔的訓練。
無縫 Docling 集成：可以導入到 Docling 并以多種格式導出（如 HTML、Markdown 等）。
快速推理：在 A100 GPU 上平均每頁處理時間為 0.35 秒。
模型擴展與優(yōu)化
支持多種指令：支持多種指令，例如將頁面轉換為 DocTags、將圖表轉換為表格、將公式轉換為 LaTeX 等。
多語言支持：雖然主要支持英語，但可能通過擴展支持更多語言。
持續(xù)改進：改進圖表識別、支持多頁推理、化學識別等功能。
SmolDocling應用場景
學術研究：快速將學術論文和研究報告轉換為結構化格式，便于提取關鍵信息。
商業(yè)文檔處理：自動轉換商業(yè)合同、報告和表格，便于企業(yè)進行文檔存儲、檢索和分析。
技術文檔管理：將技術手冊、代碼文檔等轉換為可編輯格式，支持代碼片段的準確識別和格式化。
教育領域：將教材、講義中的內容（如公式、圖表）提取并轉換為易于理解的格式。
醫(yī)療文檔處理：處理醫(yī)療報告和研究論文，提取關鍵信息，輔助醫(yī)療決策。
移動與低資源設備支持：可在移動設備或資源受限的環(huán)境中運行。
SmolDocling使用方法
模型下載：可以從 Hugging Face 模型庫下載 SmolDocling。
本地部署：由于其體積小，可在普通筆記本電腦或移動設備上運行。
API 調用：可以通過 Hugging Face 提供的 API 接口調用 SmolDocling。
微調模型：開發(fā)者可以通過微調模型適配特定場景，如醫(yī)療報告解析、財務表格識別。
Hugging Face 模型庫：https://huggingface.co/ds4sd/SmolDocling-256M-preview
DEMO：https://huggingface.co/spaces/ds4sd/SmolDocling-256M-Demo
