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 2026-09-15 · 当前星标 ★ 744
使用教程
环境要求
- 浏览器
安装与启动步骤
-
1在线浏览
大模型时代 OCR 论文清单。
# 浏览器打开仓库首页 -
2按任务分
清单按文档解析、图表理解、生成分组。
grep -n '^## ' README.md -
3克隆离线
需要检索就克隆。
git clone https://github.com/Yuliang-Liu/AWESOME-OCR-LLM.git -
4读原文
条目带论文与数据集链接。
# 打开条目里的链接
如何确认成功
能定位两篇与自身文档场景最相关的论文。
注意事项
- 清单持续更新，看最近一次提交时间。
- 论文效果与实际落地差距大，选型要试。
核心亮点
- 按任务与模型类型分类整理，便于快速定位 OCR-LLM 代表工作
- 覆盖文档解析、表格公式、多语言等细分方向，信息密度高
- 持续收录新论文与开源实现，可作为该交叉领域的研究入口
不足之处
- 本质是资源清单，不提供可直接运行的代码或统一评测
- 项目语言标注未知，部分条目缺少维护状态与效果对比说明
适用场景
- 调研 OCR 与大模型结合方案时快速建立全局认知
- 为文档解析/票据识别项目做技术选型时查找候选模型
- 撰写论文或技术分享时检索相关数据集与基准
替代项目
PaddleOCR、Umi-OCR
同类项目推荐
Weighted-Boxes-Fusion
开源
多模型检测结果融合，提升目标检测精度
Set of methods to ensemble boxes from different object detection models, including i···
glance
开源
看一眼 Mac 就自动解锁，告别反复输密码
Glance: Face Unlock for Mac
anyline-ocr-react-native-module
开源
React Native 一套代码，接入 Anyline 移动端 OCR 扫描
Anyline React Native Module for iOS and Android
awesome-ocr-resources
开源
OCR 论文与数据集一站清单，省去到处搜资料
A collection of resources (including the papers and datasets) of OCR (Optical Charac···
EarthDial
开源
把卫星影像变成能聊天的地球百科，问一句就能读懂地表变化。
[CVPR 2025 ] EarthDial: Turning Multi-Sensory Earth Observations to Interactive Dial···
GutenOCR
开源
用多卡 vLLM 训练评测 VLM，把图片文字识别做准
Open-source tools for training and evaluating Vision Language Models for OCR
traffic-monitor
开源
摄像头加雷达，边缘端自己算车流和车速
Traffic Monitor built with edge ML for object detection and radar for speed monitori···
Conffusion
开源
给扩散模型生成结果加上统计置信区间，量化不确定性
Official Implementation for the "Conffusion: Confidence Intervals for Diffusion Mode···
EscherNet
开源
从几张照片生成任意视角新图，3D重建更轻松
[CVPR2024 Oral] EscherNet: A Generative Model for Scalable View Synthesis