项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-09-19 · 当前星标 ★ 192
核心亮点
- 提供从数据到训练再到 vLLM 推理评测的完整闭环，减少重复搭建成本
- 支持多 GPU 分布式训练，能直接用于较大规模 VLM 的 OCR 微调
- 评测环节基于 vLLM，推理吞吐高，适合批量对比不同模型效果
不足之处
- 项目处于早期，文档和示例可能不够完善，上手需要一定调试
- 社区规模小，遇到问题可参考的 issue 和讨论有限
适用场景
- 研究者微调视觉语言模型以提升特定文档（如发票、古籍）的 OCR 准确率
- 工程团队批量评测多个 VLM 在真实业务图片上的 OCR 表现并选型
- 需要多卡训练 OCR 模型但不想从零搭建训练与评测脚本的团队
替代项目
PaddleOCR、EasyOCR
上一篇：DTrOCR
下一篇：caption_ocr_tool
同类项目推荐
2d-space-colonization-experiment···
开源
用几行规则，在2D画布上长出千变万化的分支形态
Visual experiments exploring space colonization as a 2D morphogenesis tool.
xview-yolov3
开源
用YOLOv3快速训练卫星图像目标检测模型
YOLOv3 training, preprocessing, validation, and inference for object detection in xV···
NED
开源
一句话驱动视频人脸表情编辑，影视级效果轻松实现
PyTorch implementation for NED (CVPR 2022). It can be used to manipulate the facial ···
colmap
开源
从照片一键重建三维场景，精度高、流程全
COLMAP - Structure-from-Motion and Multi-View Stereo
Stable-Diffusion-Seg
开源
用 Stable Diffusion 单步反演，让医学图像分割又快又准
[MICCAI 2024] Codebase for "Stable Diffusion Segmentation for Biomedical Images with···
Porda-AI
开源
屏幕实时模糊非马赫拉姆与NSFW内容，离线守护信仰
The World's First Realtime onDevice AI Project to maintian Modestey and Religious va···
Awesome-Robotics-3D
开源
一网打尽机器人3D视觉前沿论文与代码
A curated list of 3D Vision papers relating to Robotics domain in the era of large m···
caer
开源
甩开样板代码，快速跑通视觉实验
High-performance Vision library in Python. Scale your research, not boilerplate.
D-FINE
开源
把 DETR 回归变细粒度，定位更准、收敛更快
D-FINE: Redefine Regression Task of DETRs as Fine-grained Distribution Refinement [···