OCR 2.0来了！ 开源模型 GOT-OCR-2.0 正式发布，标志着新一代 AI OCR 技术的到来。
作为一款强大的端到端 OCR 模型，GOT-OCR-2.0 不仅支持传统的场景文本和文档识别，还能处理乐谱、图表、甚至复杂的数学公式！
这个全新的模型设计采用了一个集成的 vision encoder 和 decoder，能够同时处理多种类型的 OCR 输入，从而极大提高了信息传递的效率。
尤其是在高分辨率图像处理方面，GOT-OCR-2.0 采用了 local attention 机制，以避免全局注意力机制在高分辨率图像中的内存消耗问题。
核心特性
- • 支持多场景文本识别：GOT-OCR-2.0 具备识别各种复杂内容的能力，包括但不限于：
- • 场景文本（如街道标识、广告牌）
- • 文档识别（适用于办公、档案管理）
- • 乐谱和图表
- • 数学公式（包括极其复杂的表达式）
- • 一体化端到端设计：在传统的 AI 1.0 时代，OCR 系统通常通过模块化的方式运作，各个子模块之间容易脱节，难以达到整体性能的最优。而 GOT-OCR-2.0 打破了这种模式，采用了统一的端到端架构。这种设计不仅能优化信息传递，还极大简化了不同任务的处理流程。无论是识别文档还是复杂的场景文字，GOT-OCR-2.0 都可以通过一个强大的网络架构完成。
- • 高效处理高分辨率图像：针对高分辨率图像，采用了local attention的新型结构，以避免传统全局注意力机制带来的高内存消耗问题。该模型能够以256×1024 imagetokens的形式处理 1024×1024×3 尺寸的图像，显著提升了识别效率和精准度。
- • 适应 AI 2.0 时代：在 AI 2.0 时代，GOT-OCR-2.0 不仅解决了传统 OCR 模型需要针对不同任务配置不同模型的问题，还简化了模型的维护和使用。通过一体化架构，它让用户能够在各种场景下高效处理 OCR 任务，表现出了在密集型 OCR 任务中的巨大潜力。
识别效果展示
截屏文本识别/文档识别/乐谱识别/图表识别
OCR2.0评测：
结语
模型大小仅为 1.43GB，相较于其他AI模型其实算是小的了。而如此紧凑的模型却具备极强的性能，非常值得开发者和研究人员尝试。
尤其是对于那些需要处理高复杂度 OCR 任务的用户，这款模型无疑是一个革命性的工具。
GOT-OCR-2.0 作为 AI 2.0 时代的产品，它凭借端到端的设计、一体化架构和对多场景复杂内容的识别能力，提供了更加精准和高效的 OCR 解决方案。
可以快快感受这款无敌的 OCR 2.0 工具带来的高效工作流程！
项目地址: https://github.com/Ucas-HaoranWei/GOT-OCR2.0
模型下载: https://huggingface.co/ucaslcl/GOT-OCR2_0
