VieTable donut docvqa demo

提供商YuukiAsuna
分类document-question-answering
许可证mit
下载量34
星标0

简介

VieTable donut docvqa demo 是一个基于 Donut 架构的文档视觉问答（DocVQA）演示模型。与传统的 OCR+NLP 串联方案不同，它采用端到端的视觉解析方式，直接从文档图像中提取信息并回答问题，避免了 OCR 识别错误导致的信息丢失。该模型非常适合处理发票、表单、票据等结构化文档的自动化解析。对于开发者而言，由于其无需预先运行复杂的 OCR 管道，上手门槛较低，是构建轻量级文档理解应用的理想尝试方案。

核心亮点

  • 端到端视觉解析，无需依赖外部 OCR 引擎
  • 专注文档问答，高效提取表单及票据关键信息
  • 架构轻量，部署简单，适合快速验证文档 AI 场景
  • MIT 协议开源，对商业化集成非常友好

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("YuukiAsuna/VieTable-donut-docvqa-demo")
tokenizer = AutoTokenizer.from_pretrained("YuukiAsuna/VieTable-donut-docvqa-demo")

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 YuukiAsuna/VieTable-donut-docvqa-demo

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 YuukiAsuna/VieTable-donut-docvqa-demo 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('YuukiAsuna/VieTable-donut-docvqa-demo')

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/YuukiAsuna/VieTable-donut-docvqa-demo

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/YuukiAsuna/VieTable-donut-docvqa-demo

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('YuukiAsuna/VieTable-donut-docvqa-demo')
tokenizer = AutoTokenizer.from_pretrained('YuukiAsuna/VieTable-donut-docvqa-demo')

完整文档

来源: HuggingFace

---
library_name: transformers
license: mit
datasets:

  • YuukiAsuna/VietnameseTableVQA

language:
  • vi

base_model:
  • naver-clova-ix/donut-base

pipeline_tag: document-question-answering
---

Model Card for Model ID

<!-- Provide a quick summary of what the model is/does. -->

VieTable Donut DocVQA is a fine-tuned version of the Donut model for the Vietnamese DocVQA (Table data)

BibTeX entry and citation info

bibtex
@article{DBLP:journals/corr/abs-2111-15664,
  author    = {Geewook Kim and
               Teakgyu Hong and
               Moonbin Yim and
               Jinyoung Park and
               Jinyeong Yim and
               Wonseok Hwang and
               Sangdoo Yun and
               Dongyoon Han and
               Seunghyun Park},
  title     = {Donut: Document Understanding Transformer without {OCR}},
  journal   = {CoRR},
  volume    = {abs/2111.15664},
  year      = {2021},
  url       = {https://arxiv.org/abs/2111.15664},
  eprinttype = {arXiv},
  eprint    = {2111.15664},
  timestamp = {Thu, 02 Dec 2021 10:50:44 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2111-15664.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}
查看官方来源