ocr - 标签 - 腾讯云开发者社区-腾讯云

文章/答案/技术大牛

发布

首页标签ocr

#ocr

Prompt-Region Grounding：为什么把题目画进图片，多模态大模型就集体"不会做题"了

用户8729876 2天前2026-08-10 11:46:59

💡 一句话总结：把题目从文本挪进图片，主流多模态大模型几乎全军覆没（24 个组合全掉分，平均 17.8 分），而它们常常能正确"读"出题目却不照它作答——这篇论...

8310

长文档智能解析：让长文档不再停留在 OCR 文本层，而是进入可消费的数据层（附GitHub项目地址）

合合技术团队 7天前2026-08-05 10:34:23

项目介绍：这是一个面向知识库自动化的长文档智能解析工具。支持上传 PDF、扫描件及手机拍照的标准、规范、制度、手册等长文档，可自动抽取目录结构、章节层级、表格...

11310

用 WorkBuddy 打造高中数学试卷的高精度校对流水线 #WorkBuddy#

用户12669764 8天前2026-08-04 22:56:48

13200

做文档解析的人该看看 Infinity-Parser2：一个模型把版面、表格、公式、图表全端了

用户8729876 8天前2026-08-04 14:06:32

💡 一句话带走：Infinity-Parser2 把"可控数据合成 + 多任务联合强化学习"拧成一个端到端文档解析大模型，开源 500 万双语数据和两个模型，给...

11910

阅读笔记：ExtractBench: A Benchmark for Schema-Guided Enterprise Document Extraction

用户8729876 8天前2026-08-04 13:57:37

代码：https://github.com/run-llama/ExtractBench

8700

用 WorkBuddy 把扫描版 PDF 批量本地 OCR 提取（零 token 消耗）

用户12657961 12天前2026-07-31 10:42:13

很多人手里有一批扫描版 PDF——相机拍的、扫描仪扫的、或者老文档转成的图片型 PDF。这类文件有两个麻烦：

20810

腾讯云 AI Skills + WorkBuddy，打造 AI 伴学助手

悟空码字 12天前2026-07-31 10:40:21

第一次认真考虑"作业辅导"这件事，是从研究腾讯云的一批 AI Skills 开始的。当时在系统梳理这些能力：OCR 能读图、ASR 能听声、TTS 能说话、内容...

1K2116

纯浏览器实现实物描边：NanoDet + MagicTouch 本地推理实践

用户5557817 13天前2026-07-30 15:05:03

最近，我在 Timeline Studio 中实现了实物描边能力：识别画面中的商品、鞋子、玩具等物体，并在浏览器本地生成可编辑的描边效果。

12810

#ocr

Prompt-Region Grounding：为什么把题目画进图片，多模态大模型就集体"不会做题"了

长文档智能解析：让长文档不再停留在 OCR 文本层，而是进入可消费的数据层（附GitHub项目地址）

用 WorkBuddy 打造高中数学试卷的高精度校对流水线 #WorkBuddy#

做文档解析的人该看看 Infinity-Parser2：一个模型把版面、表格、公式、图表全端了

阅读笔记：ExtractBench: A Benchmark for Schema-Guided Enterprise Document Extraction

用 WorkBuddy 把扫描版 PDF 批量本地 OCR 提取（零 token 消耗）

腾讯云 AI Skills + WorkBuddy，打造 AI 伴学助手

纯浏览器实现实物描边：NanoDet + MagicTouch 本地推理实践

热门专栏

腾讯开源的专栏

程序猿DD

量子位

橙、

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐