ds4sd
これは256Mパラメータのプレビュー版文書理解モデルで、文書構造解析と内容抽出タスク向けに設計されており、画像文書を構造化データに変換できます。
docling-project
SmolDocling-256M-preview-mlx-bf16は、SmolDocling-256M-previewを基に変換された軽量の視覚言語モデルで、文書画像の理解と変換に特化しています。このモデルはMLXフレームワークを使用して最適化され、文書画像を構造化されたDocTags形式に変換することをサポートしています。
ahishamm
このモデルはds4sd/SmolDocling-256M-previewからMLX形式に変換された視覚言語モデルで、画像テキストからテキストへのタスクをサポートします。
SmolDoclingは、超コンパクトなマルチモーダルビジュアル言語モデルで、効率的なドキュメント変換用に特別に設計されています。このモデルはIdefics3アーキテクチャに基づいており、256Mのパラメータ規模で強力なドキュメント理解能力を実現しています。画像からテキスト、表、数式、コードなどのさまざまなドキュメント要素を抽出することができ、Doclingエコシステムと完全に互換性があります。
Transformers英語%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)