tiny doc qa vision encoder decoder

提供商fxmarty
分类document-question-answering
许可证mit
下载量5.5K
星标0

简介

这是一个专注于文档问答（DocQA）的轻量级视觉编码-解码模型。与通用大模型不同，它专门针对文档图像的结构化理解进行了优化，能够精准识别图片中的文本位置并回答相关问题。由于模型规模较小，它非常适合部署在端侧设备或对推理延迟要求较高的业务场景中，作为 OCR 增强方案或自动化表单处理的轻量级替代方案，上手门槛低，能够快速集成到现有的文档处理流水线中。

核心亮点

  • 专注文档视觉问答，精准提取图像信息
  • 轻量化设计，支持低延迟端侧部署
  • MIT 协议开源，商业集成灵活无压力
  • 适用于自动化表单审核与文档数字化

使用方法

安装依赖
# 安装 Hugging Face transformers
pip install transformers torch
SDK 使用
# 使用 transformers 加载模型
from transformers import AutoModel, AutoTokenizer

model = AutoModel.from_pretrained("fxmarty/tiny-doc-qa-vision-encoder-decoder")
tokenizer = AutoTokenizer.from_pretrained("fxmarty/tiny-doc-qa-vision-encoder-decoder")

Hugging Face 下载

我们推荐使用命令行或者 Hugging Face Hub SDK 来进行模型的下载。

操作指引：在下载前，请先通过如下命令安装 huggingface_hub：

操作指引 
pip install -U huggingface_hub

命令行下载

下载完整模型库

下载完整模型库 
huggingface-cli download fxmarty/tiny-doc-qa-vision-encoder-decoder

下载单个文件到指定本地文件夹（以下载 config.json 到当前路径下 ./dir 目录为例）

下载单个文件到指定本地文件夹（以下载 config.json 到当前路径下 ./dir 目录为例） 
huggingface-cli download fxmarty/tiny-doc-qa-vision-encoder-decoder config.json --local-dir ./dir

更多命令行下载选项，可参见官方文档

SDK 下载

SDK 下载 
# 模型下载
from huggingface_hub import snapshot_download
model_dir = snapshot_download('fxmarty/tiny-doc-qa-vision-encoder-decoder')

Git 下载

请确保 lfs 已经被正确安装

Git 下载 
git lfs install
git clone https://huggingface.co/fxmarty/tiny-doc-qa-vision-encoder-decoder

如果您希望跳过 lfs 大文件下载，可以使用如下命令

跳过 LFS 
GIT_LFS_SKIP_SMUDGE=1 git clone https://huggingface.co/fxmarty/tiny-doc-qa-vision-encoder-decoder

模型文件托管在 Hugging Face Hub，使用 HF CLI / SDK / Git 直接下载，不经过本站。

PyTorch / Transformers 使用

安装 Transformers

安装 Transformers 
pip install -U transformers torch

模型加载和推理

模型加载和推理 
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained('fxmarty/tiny-doc-qa-vision-encoder-decoder')
tokenizer = AutoTokenizer.from_pretrained('fxmarty/tiny-doc-qa-vision-encoder-decoder')

完整文档

来源: HuggingFace

---
license: mit
pipeline_tag: document-question-answering
---

For testing purposes only

查看官方来源