文档智能

多墨智能是一个实验性 Demo，支持生成文档、流程图、思维导图。

ViTLP是一个视觉引导的生成文本布局预训练模型，旨在提高文档智能处理的效率和准确性。该模型结合了OCR文本定位和识别功能，能够在文档图像上进行快速准确的文本检测和识别。ViTLP模型的预训练版本ViTLP-medium（380M参数）在计算资源和预训练数据集规模的限制下，提供了一个平衡的解决方案，既保证了模型的性能，又优化了推理速度和内存使用。ViTLP的推理速度在Nvidia 4090上处理一页文档图像通常在5到10秒内，与大多数OCR引擎相比具有竞争力。

庖丁科技是一家成立于2017年的金融科技公司，旨在将最前沿的人工智能技术与金融垂直领域进行深度融合，提供多维度深层结构化的基础技术研究及应用。