Surya: Sistema Open-Source Multilingüe de OCR y Comprensión de Documentos
El Reconocimiento Óptico de Caracteres es una de las aplicaciones más antiguas de la visión por computadora, pero los motores OCR tradicionales …
Tags
OCR
RapidLayout: Análisis de Diseño de Documentos Open-Source para Chino e Inglés
El análisis de diseño de documentos es el primer paso crítico en cualquier tubería de comprensión de documentos. Antes de que el OCR pueda …
PDF-Extract-Kit: Kit Integral de Extracción de Contenido PDF
Los PDFs siguen siendo el formato más común para el intercambio de documentos, pero extraer contenido estructurado de ellos es notoriamente …
PaddleOCR: El Kit de Herramientas OCR Ultraligero de Baidu con Soporte para 80+ Idiomas
PaddleOCR es el kit de herramientas de reconocimiento optico de caracteres (OCR) ultraligero de grado industrial de Baidu construido sobre el …
olmOCR: El Kit de Herramientas Open-Source de AI2 para Conversion de PDF a Markdown para Datos de Entrenamiento LLM
Convertir PDFs a texto limpio y legible por maquina a escala es uno de los desafios fundamentales en la preparacion de datasets LLM. Los …
MinerU: Analisis de PDFs y Extraccion de Datos Open-Source
PDF is the universal format for document distribution, but it is arguably the worst format for data extraction. PDFs store visual layouts — …