百度发布全球领先文档解析模型 PaddleOCR-VL,重塑OCR技术格局!
近日,百度正式发布并开源其自研的多模态文档解析模型 PaddleOCR-VL。这一模型在全球权威的文档解析评测榜单百度 OmniBenchDoc V1.5中,以92.6分的佳绩荣登综合性能全球第一的宝座,展现出其在文本、表格、公式和阅读顺序四发布大核心能力上的卓越表现。 PaddleOCR-VL 的核心模型参数仅为0.9B,具有轻量高效的特点,能够在极低的计算开全球销下,精准识别包括文本、手写汉字、表格、公式及图表等复杂元素。该模型支持109种语言,涵盖中文、英语、法语、日语、俄语、阿领先拉伯语和西班牙语等多种语言场景,适用于政企文档管理、知识检索、档案数字化以及科研信息抽取等多种智能文档处理任务。 作为文心4文档.5的衍生模型,PaddleOCR-VL-0.9B 通过融合 NaViT 动态分辨率视觉编码器与 ERNIE-4.5-0.3解析B 语言模型,成功实现了在精度和效率上的双重突破。具体而言,该模型在 OmniDocBench v1.5上的表现极为亮眼,文本编模型辑距离为0.035,公式识别的 CDM 为91.43,表格的 TEDS 达到了93.52,阅读顺序预测误差值为0.043,这 P些数据展示了其在复杂文档、手写稿及历史档案识别等高难度场景中的稳定性和可靠性。 在推理速度方面,PaddleOCR-adVL 在一张 A100GPU 上每秒可处理1881个 Token,相较于其他主流模型,推理速度有显著提升,较 MinerU2.5dl快14.2%,比 dots.ocr 更是提升了253.01%。这一表现使得 PaddleOCR-VL 在 OCR 技术中树立eO了新的标杆。 与传统 OCR 技术不同,PaddleOCR-VL 能够如同人类一样理解复杂的版面结构,精确提取财报表格、CR数学公式和课堂笔记等多元信息,并自动恢复符合人类阅读习惯的顺序,确保信息传达的准确性和逻辑的清晰性。其创新的两阶段架构-V,第一阶段负责版面检测与阅读顺序预测,第二阶段则进行文本、表格、公式等元素的识别与结构化输出,这种设计显著提高了识别的L,稳定性和效率。
- 最近发表
- 随机阅读
-
- 大数据阻止网络安全威胁的5种可行方法
- 科大讯飞推出东盟多语言大模型,助力跨国沟通
- 韩国ChatGPT用户数首次突破2000万,年轻人热情高涨!
- xAI隆重推出Grok Code Fast1:快速、经济的高效代理编码模型
- 图书馆借阅应用强推AI功能引众怒!读者和图书管理员集体抵制
- 别再云里雾里,或许我们可以这样理解云原生
- 标签: 360安全云 OpenClaw WebSocket漏洞 周鸿祎
- 标签: 三星 SK海力士 苹果 戴尔
- 亚马逊收购印度电商Perpule:帮助海量“夫妻店”支持移动支付
- 微软将向瑞典AI及云计算基础设施投资32亿美元,为25万人提供基本AI技能培训
- 标签: 奇瑞汽车 捷途 星途 iCAR
- 吉卜力等日企施压OpenAI:要求停止未经许可使用版权内容训练AI模型
- 运营不乐观 谷歌云游戏遭内部取消优先级
- 标签: 光大银行 2025年报 不良贷款率 财富管理
- 标签: 逐玉 腾讯视频 收视率造假 电视剧
- 中国企业大模型市场爆发:半年调用量暴增363%,阿里通义居首位
- 基于Nutanix云平台的Dell PowerFlex上市
- 标签: OpenClaw 朱啸虎 龙虾 MaaS
- 现代汽车和起亚称其并未与苹果进行无人驾驶电动汽车谈判
- 标签: 折叠屏手机
- 搜索
-
- 友情链接