腾讯开源微信文档解析模型 WeVisDoc，整页图片转 Markdown
腾讯开源微信的端到端文档解析模型 WeVisDoc 一张图片直接出 Markdown WeVisDoc，有 2B 和 4B 两个版本 主要功能特点： 整页图片直接转 Markdown：输入一张...
腾讯开源的 WeVisDoc 模型，能直接把整页文档图片转换成 Markdown，不用再手动裁剪标题、正文、表格和公式了。
腾讯开源的 WeVisDoc 模型，有 2B 和 4B 两个版本。它能直接处理整页文档图片，输出完整 Markdown，无需先分割标题、正文、表格和公式。模型能保留复杂文档结构，将正文转为普通 Markdown，公式转为 LaTeX，表格转为 HTML，并恢复阅读顺序。所有解析任务由一个模型完成，无需额外部署版面检测器和 OCR 引擎。
腾讯开源微信的端到端文档解析模型 WeVisDoc 一张图片直接出 Markdown WeVisDoc，有 2B 和 4B 两个版本 主要功能特点： 整页图片直接转 Markdown：输入一张...
腾讯开源微信的端到端文档解析模型 WeVisDoc 一张图片直接出 Markdown WeVisDoc，有 2B 和 4B 两个版本 主要功能特点： 整页图片直接转 Markdown：输入一张文档页面图，模型一次输出完整页面，不需要先把标题、正文、表格和公式分别裁出来。 保留复杂文档结构：正文转成普通 Markdown，公式转成 LaTeX，表格转成 HTML，并按页面内容恢复阅读顺序。 单模型完成解析：版面理解、文字识别、公式识别和表格重建都由同一个视觉语言模型完成，不需要另外部署版面检测器和 OCR 引擎。 提供 2B 与 4B 两个版本：2B 更适合资源有限或清晰页面较多的场景；4B 在拍照、翻拍等退化页面上更有优势。 Your browser does not support the video tag. 🔗 View on Twitter 💬 2 🔄 0 ❤️ 9 👀 1562 📊 5 ⚡
- shao__meng09-18 02:14原文
