应用详情
🚀 GOT-OCR 2.0 是一款革命性的端到端通用 OCR 模型，能够识别和提取文本，还能处理数学公式、分子式、图表、乐谱、几何图形等多种内容，极大地拓宽了 OCR 技术的应用范围。模型大小仅 1.43GB，提供高效且准确的文本识别能力。开源地址：[GOT-OCR 2.0 GitHub](https://github.com/Ucas-HaoranWei/GOT-OCR2.0)
🌟 核心特性
1. 多语言、多模态识别 🌐：支持多种语言和模态的文本识别，无论是印刷体还是手写体，都能准确识别。
2. 多样化输入输出 📄：支持照片、文档、切片等多种输入格式，输出格式包括纯文本、Markdown、TikZ、SMILES、Kern 等。
3. 长文本处理能力 📚：解码器支持 8K 最大长度的 token，能够处理长文本场景，适用于学术论文、法律文件等。
4. 高级功能 💡：包括交互式 OCR 功能、动态分辨率策略、多页 OCR 技术支持，提供灵活和高效的 OCR 解决方案。
📊 OCR 识别效果
- 公式识别 🧮
- 大段文字提取 📝
- 坐标文字提取 📍
- 论文和特殊字符识别 📘
🔍 论文地址
- 阅读更多关于 GOT-OCR 2.0 的研究：[论文地址](https://arxiv.org/pdf/2409.01704)
🌟 核心特性
1. 多语言、多模态识别 🌐：支持多种语言和模态的文本识别，无论是印刷体还是手写体，都能准确识别。
2. 多样化输入输出 📄：支持照片、文档、切片等多种输入格式，输出格式包括纯文本、Markdown、TikZ、SMILES、Kern 等。
3. 长文本处理能力 📚：解码器支持 8K 最大长度的 token，能够处理长文本场景，适用于学术论文、法律文件等。
4. 高级功能 💡：包括交互式 OCR 功能、动态分辨率策略、多页 OCR 技术支持，提供灵活和高效的 OCR 解决方案。
📊 OCR 识别效果
- 公式识别 🧮
- 大段文字提取 📝
- 坐标文字提取 📍
- 论文和特殊字符识别 📘
🔍 论文地址
- 阅读更多关于 GOT-OCR 2.0 的研究：[论文地址](https://arxiv.org/pdf/2409.01704)