প্রকল্প সম্পর্কে

dots.ocr হলো একটি ওপেন-সোর্স ভিশন-ল্যাঙ্গুয়েজ মডেল যা ডকুমেন্ট লেআউট পার্সিং-এ কেন্দ্রীভূত। এর README অনুসারে, এটি সর্বজনীন অ্যাক্সেসযোগ্যতার জন্য ডিজাইন করা হয়েছে এবং বিস্তৃত মানব লিপি শনাক্ত করতে পারে। এটি তুলনামূলক আকারের মডেলগুলির মধ্যে বহুভাষিক ডকুমেন্ট পার্সিং বেঞ্চমার্কে শক্তিশালী ফলাফল রিপোর্ট করে, এবং এটি চার্ট ও ডায়াগ্রামের মতো কাঠামোবদ্ধ গ্রাফিক্সকে SVG কোডে রূপান্তর করে পরিচালনা করে, সাথে ওয়েব স্ক্রিন এবং সিন টেক্সটও। README-এ বর্ণিত মূল ক্ষমতাসমূহ: - বহুভাষিক ডকুমেন্ট পার্সিং: ছবি এবং PDF থেকে বাউন্ডিং বক্স, ক্যাটাগরি এবং টেক্সট কন্টেন্টসহ লেআউট এলিমেন্ট উত্তোলন করে। - লেআউট ক্যাটাগরির মধ্যে রয়েছে Caption, Footnote, Formula, List-item, Page-footer, Page-header, Picture, Section-header, Table, Text এবং Title। - আউটপুট ফরম্যাটিং: সূত্রগুলো LaTeX হিসেবে, টেবিলগুলো HTML হিসেবে এবং অন্যান্য টেক্সট Markdown হিসেবে, এলিমেন্টগুলো মানুষের পড়ার ক্রমে সাজানো। - কাঠামোবদ্ধ গ্রাফিক্স পার্সিং: চার্ট, ডায়াগ্রাম, রাসায়নিক সূত্র এবং লোগোকে SVG কোডে রূপান্তর করে। - অতিরিক্ত কাজ: ওয়েব পেজ পার্সিং এবং সিন টেক্সট স্পটিং। - সাধারণ ভিশন প্রশ্ন-উত্তরও সমর্থিত। ডিপ্লয়মেন্ট এবং ব্যবহার: - conda এবং pip-এর মাধ্যমে ইনস্টলেশন, বিকল্প হিসেবে একটি Docker ইমেজ দেওয়া আছে। - প্রদত্ত স্ক্রিপ্ট দিয়ে মডেল ওয়েট ডাউনলোড করা যায়, যার মধ্যে একটি ModelScope বিকল্প রয়েছে। - ডিপ্লয়মেন্টের জন্য vLLM সুপারিশ করা হয়; README-তে বলা আছে dots.ocr vLLM-এ সংস্করণ 0.11.0 থেকে অন্তর্ভুক্ত হয়েছে। - Hugging Face Transformers ইনফারেন্স সমর্থিত, একটি ইস্যুতে উল্লেখিত একটি CPU ইনফারেন্স পাথসহ। - একটি পার্সার স্ক্রিপ্ট একটি একক ছবি বা PDF প্রসেস করতে পারে, শুধুমাত্র লেআউট ডিটেকশন বা শুধুমাত্র টেক্সট পার্সিংয়ের বিকল্পসহ, এবং এটি কাঠামোবদ্ধ JSON, Markdown এবং একটি লেআউট ভিজুয়ালাইজেশন ইমেজ আউটপুট দিতে পারে। - একটি লাইভ ডেমো উপলব্ধ। README-তে সীমাবদ্ধতাও তালিকাভুক্ত করা আছে: কমপ্যাক্ট মডেল আর্কিটেকচারের কারণে জটিল টেবিল এবং গাণিতিক সূত্র এখনও কঠিন, কাঠামোবদ্ধ গ্রাফিক্সের SVG-ভিত্তিক পার্সিং এখনও সম্পূর্ণ শক্তিশালী নয়, এবং মাঝে মাঝে পার্সিং ব্যর্থতা ঘটতে পারে। এতে উল্লেখ করা হয়েছে যে dots.ocr-1.5 পরবর্তীতে dots.mocr নামে রিব্র্যান্ড করা হয়েছে, আপডেটেড ওয়েট এবং একটি পেপারসহ।