热点

百度发布全球领先文档解析模型 PaddleOCR-VL,重塑OCR技术格局!

字号+ 作者:牛骥同槽网 来源:半导体动态 2026-11-23 我要评论(0)

百度发布全球领先文档解析模型 PaddleOCR-VL,重塑OCR技术格局!

近日,百度正式发布并开源其自研的多模态文档解析模型 PaddleOCR-VL。这一模型在全球权威的文档解析评测榜单百度 OmniBenchDoc V1.5中,以92.6分的佳绩荣登综合性能全球第一的宝座,展现出其在文本、表格、公式和阅读顺序四大发布核心能力上的卓越表现。

PaddleOCR-VL 的核心模型参数仅为0.9B,具有轻量高效的特点,能够在极低的计算开销下全球,精准识别包括文本、手写汉字、表格、公式及图表等复杂元素。该模型支持109种语言,涵盖中文、英语、法语、日语、俄语、阿拉领先伯语和西班牙语等多种语言场景,适用于政企文档管理、知识检索、档案数字化以及科研信息抽取等多种智能文档处理任务。

作为文档文心4.5的衍生模型,PaddleOCR-VL-0.9B 通过融合 NaViT 动态分辨率视觉编码器与 ERNIE-4.5-0.解析3B 语言模型,成功实现了在精度和效率上的双重突破。具体而言,该模型在 OmniDocBench v1.5上的表现极为亮眼模型,文本编辑距离为0.035,公式识别的 CDM 为91.43,表格的 TEDS 达到了93.52,阅读顺序预测误差值为0.043, P这些数据展示了其在复杂文档、手写稿及历史档案识别等高难度场景中的稳定性和可靠性。

在推理速度方面,PaddleOCadR-VL 在一张 A100GPU 上每秒可处理1881个 Token,相较于其他主流模型,推理速度有显著提升,较 MinerdlU2.5快14.2%,比 dots.ocr 更是提升了253.01%。这一表现使得 PaddleOCR-VL 在 OCR 技术中树立了eO新的标杆。

与传统 OCR 技术不同,PaddleOCR-VL 能够如同人类一样理解复杂的版面结构,精确提取财报表格、数学公式和CR课堂笔记等多元信息,并自动恢复符合人类阅读习惯的顺序,确保信息传达的准确性和逻辑的清晰性。其创新的两阶段架构,第一阶-V段负责版面检测与阅读顺序预测,第二阶段则进行文本、表格、公式等元素的识别与结构化输出,这种设计显著提高了识别的稳定性和L,效率。

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • 标签: 埃森哲 Faculty AI初创 并购

    标签: 埃森哲 Faculty AI初创 并购

    2026-09-13

  • 云安全日报211214:IBM网管解决方案发现执行任意代码漏洞,需要尽快升级

    云安全日报211214:IBM网管解决方案发现执行任意代码漏洞,需要尽快升级

    2026-08-05

  • 标签: Oura 智能戒指 健康穿戴 女性健康AI

    标签: Oura 智能戒指 健康穿戴 女性健康AI

    2026-09-26

  • 1-5月中国规模以上互联网和相关服务企业业务收入同比增长24.4%

    1-5月中国规模以上互联网和相关服务企业业务收入同比增长24.4%

    2026-11-11

网友点评