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、公式和阅读顺序发布四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销下,全球精准识别包括文本、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、领先阿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。
作为文档文心4.5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,文模型本编辑距离为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0.04 P3,这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 技术中树立了eO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、数学公CR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,第一阶-V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稳定性和效L,率。
- ·标签: 小米机器人 雷军 Xiaomi-Robotics-0 智能制造
- ·云安全日报210120:思科小型企业路由器发现远程命令执行高危漏洞,需要尽快升级
- ·中国红十字基金会联合阿里云发布数字救援平台,面向全社会救援力量开放注册
- ·为淘汰Cookie 谷歌又推出新的“隐私沙箱”技术Topics
- ·OpenAI 瑙f暎鏈哄櫒浜哄洟闃燂紝鍒涘�浜猴細鏈€濂界殑鍐冲畾
- ·标签: 富途控股 CSRC 李华 证券法
- ·标签: 阿里通义千问 林俊旸 高榕资本 红杉中国
- ·标签: 海航控股 海南航空 辽宁方大集团 SKYTRAX五星航空
- ·谷歌AI Edge Gallery上线Google Play,手机秒变AI神器,无网也能玩转图像、语音和对话!
- ·澳大利亚要求谷歌和Facebook为新闻付费 但新闻网站可能造假
- ·标签: 苹果 追觅 OpenClaw 库克
- ·钉钉推出首款AI硬件:AI录音产品DingTalk A1
- ·标签: 哈啰租电动车 3·15晚会 电动自行车安全技术规范 哈啰普惠科技 3152026
- ·Facebook正式推出语音聊天应用Live Audio Rooms
- ·亚马逊云计算主管:AWS将保持云服务领先地位 不打算将其分拆
- ·标签: 蚂蚁视觉 东风日产NX8 极氪9X 尚界H5
- ·云安全日报210118:Ubuntu Web音频管理系统发现SQL注入漏洞,需要尽快升级
- ·百度电商引入大模型,重塑风控审核流程,商家用户双赢!
- ·云安全日报210611:IBM应用服务器发现权限提升漏洞,需要尽快升级
- ·标签: 元宝派 龙虾 电脑版 龙虾社交
- ·腾讯CodeBuddy IDE国内版开启公测 接入DeepSeek V3.1
- ·千里科技品牌升级,发布“AFARI”新标识及“千里计划”
- ·表征学习:为自然语言而生的高级深度学习 原创
- ·90亿美元收购被拒!Core Scientific股东豪赌独立成“下一个CoreWeave”
- ·实测阿里版ChatGPT“通义千问” 写《流浪地球3》电影剧本
- ·羊毛衫会缩水吗
- ·标签: 以旧换新 新能源汽车 国家发改委 农机补贴
- ·Google Meet上线AI美妆滤镜功能,追赶Teams和Zoom步伐
- ·标签: 抓虾吧 OpenClaw 百度贴吧 AI智能体
- ·IDC:2022年第三季度中国可穿戴设备市场出货量同比下降8.4%
- ·标签: 亚信安全 网络安全 AI+安全 数智业务
- ·Perplexity进军印度市场!AI搜索巨头新增印度股票财报电话会议实时转录功能
- ·甲骨文宣布发行150亿美元债券 用于偿还明年到期债务
- ·三星 Galaxy XR 头显正式登场:1799 美元起,性能对标 Vision Pro,重量更轻、生态更开放
- ·谈谈 Kubernetes 的问题和局限性
- ·微软计划降低游戏商店分成比例:吸引独立开发者
