tiny doc qa vision encoder decoder

提供商optimum-intel-internal-testing
分类document-question-answering
许可证mit
下载量44
星标0

简介

这是一个轻量级的文档问答（DocQA）视觉编码器-解码器模型，专门为处理文档图像并从中提取答案而设计。它采用了典型的视觉-语言架构，能够识别文档中的文字布局与语义关系，将图像信息转化为可理解的文本回答。由于其轻量化特性，该模型非常适合部署在资源受限的边缘设备或需要快速响应的本地端侧应用中，是构建自动化票据处理、文档数字化分析等实用工具的理想底座，上手门槛较低，且能与常见的 OCR 流程无缝衔接。

核心亮点

  • 轻量化架构，支持低功耗设备端侧部署
  • 端到端文档问答，无需独立 OCR 预处理
  • 适用于发票、表单等结构化文档信息提取
  • MIT 协议开源，企业集成与商业定制灵活

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("optimum-intel-internal-testing/tiny-doc-qa-vision-encoder-decoder")
tokenizer = AutoTokenizer.from_pretrained("optimum-intel-internal-testing/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 optimum-intel-internal-testing/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 optimum-intel-internal-testing/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('optimum-intel-internal-testing/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/optimum-intel-internal-testing/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/optimum-intel-internal-testing/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('optimum-intel-internal-testing/tiny-doc-qa-vision-encoder-decoder')
tokenizer = AutoTokenizer.from_pretrained('optimum-intel-internal-testing/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