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 2026-10-24 · 当前星标 ★ 311
核心亮点
- 采用 VLM+OCR 融合路线，对复杂版式和表格类文档的解析能力强于纯 OCR 方案
- 后期训练引入 RSI 自我改进循环，用模型自产样本迭代提升，减少对人工标注的依赖
- 强调速度与准确率兼顾，适合批量文档处理而非单张演示
不足之处
- 项目处于早期，星标约 311，社区规模与长期维护稳定性待观察
- 模型权重、评测基准和部署文档的完整度需以仓库实际内容为准，上手成本可能偏高
适用场景
- 批量扫描件、发票、合同转结构化文本
- 文档智能体中的解析与信息抽取前置模块
- 学术论文、报告类 PDF 的版面还原与内容提取
替代项目
MinerU、PaddleOCR、olmOCR
上一篇：MulimgViewer
同类项目推荐
tessera
开源
让卫星影像按时间流动，一键提取地表变化规律
[CVPR26] TESSERA is a foundation model that can process time-series satellite imager···
gca
开源
用元胞自动机生成复杂3D结构和纹理，复现ICLR论文
Official implementation of Generative Cellular Automata: ICLR 2021, 2022 (spotlight)
RGBT-Tiny
开源
双模态小目标检测基准，直接跑通基线对比
Repository for "Visible-Thermal Tiny Object Detection: A Benchmark Dataset and Basel···
MapReader
开源
批量识别历史地图要素，自动定位到地理坐标
A computer vision pipeline for exploring and analyzing images at scale
sd-webui-segment-anything
开源
在 Stable Diffusion 里框选物体，即可精准重绘或替换
Segment Anything for Stable Diffusion WebUI
n8n-nodes-tesseractjs
开源
在 n8n 工作流里拖个节点，图片直接变文字
A N8N node that exposes the Tesseract OCR engine for converting images to text
ha-llmvision
开源
让 Home Assistant 看懂摄像头，自动触发智能场景
Visual intelligence for your home.
Robust-R1
开源
让视觉模型在模糊、低光等恶劣图像下也能准确推理
[AAAI 2026 Oral] Official Implementation of Robust-R1: Degradation-Aware Reasoning f···
blue-onyx
开源
把目标检测封装成服务，发图就返回检测框
Object detection service