博客 & 资源

📄

开源OCR

Doctr：集成 TensorFlow 与 PyTorch 的无缝 OCR 框架

在 OCR 领域，很多工具要么太重（比如 Tesseract…

📅 2 月 08, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

适配各种规模：从 1B 到 78B 的 InternVL 选型

做技术选型，最忌讳的是“只看参数量，不看架构”。 对于多模态…

📅 2 月 07, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

多页文档处理：InternVL 如何应对超长上下文

处理单页 PDF，OCR 就够了。但处理多页 PDF（比如跨…

📅 2 月 07, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

InternVL 2.5：大规模视觉语言模型的工业级落地

做过视觉模型落地的人都知道，传统的 LLaVA 架构有一个致…

📅 2 月 07, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

TrOCR 实战：解决历史文献中难以辨认的古体字识别

在古籍识别领域，我们面临的不是“识别”问题，而是“破译”问题…

📅 2 月 07, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

从预训练到推理：在 Hugging Face 上玩转 Microsoft TrOCR

做过 NLP 的同学看到 TrOCR 的架构会觉得极其眼熟。…

📅 2 月 07, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

TrOCR：当 Transformer 遇见 OCR，端到端识别的精度巅峰

在 OCR 的技术演进史上，TrOCR 是一个分水岭。 在此…

📅 2 月 07, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

Surya 架构深度探析：基于 Vision Transformer 的文本行检测

在 PaddleOCR 称霸的这几年里，DBNet 是绝对的…

📅 2 月 07, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

多列布局识别：Surya 在扫描版书籍数字化中的实战表现

做书籍数字化，最怕的不是字认不出来，而是结构丢了。 扫描版 …

📅 2 月 07, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

Surya：挑战传统，号称比传统OCR快4倍的下一代识别引擎

做文档处理的兄弟们，应该都经历过 Tesseract 的折磨…

📅 2 月 07, 2026 ✍️ zhangmu

阅读更多 →