layoutlmv3 docvqa t11c5000

提供商xhyi
分类document-question-answering
许可证Apache-2.0
下载量168
星标0

简介

LayoutLMv3 是目前文档理解领域的主流基座模型，该版本专门针对 DocVQA（文档视觉问答）任务进行了优化。与纯文本 LLM 不同，它能同时处理文本内容、布局位置和图像视觉信息，能够精准地在票据、表单或报告等复杂排版文档中定位答案。对于需要从 PDF 或图片中提取结构化信息的开发者来说，它比传统的 OCR+文本分析方案更高效，上手难度中等，通常作为文档解析管线中的核心识别模块使用。

核心亮点

  • 多模态融合，同步理解文档文字、布局与视觉特征
  • 擅长处理复杂表单、票据等非结构化文档问答
  • 比纯文本模型更精准地定位文档关键信息点
  • 采用 Apache-2.0 协议，适合企业级商业部署

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("xhyi/layoutlmv3_docvqa_t11c5000")
tokenizer = AutoTokenizer.from_pretrained("xhyi/layoutlmv3_docvqa_t11c5000")

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 xhyi/layoutlmv3_docvqa_t11c5000

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 xhyi/layoutlmv3_docvqa_t11c5000 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('xhyi/layoutlmv3_docvqa_t11c5000')

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/xhyi/layoutlmv3_docvqa_t11c5000

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/xhyi/layoutlmv3_docvqa_t11c5000

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('xhyi/layoutlmv3_docvqa_t11c5000')
tokenizer = AutoTokenizer.from_pretrained('xhyi/layoutlmv3_docvqa_t11c5000')

完整文档

来源: HuggingFace

LayoutLMv3: DocVQA Replication WIP

See experiments code: <https://github.com/redthing1/layoutlm_experiments>

查看官方来源