Awesome-Document-Understanding开源项目 – 文档理解研究资源库

olmOCR-mix-0225 是一个专为 OCR（光學字符識別）和文檔理解模型訓練設計的數據集，包含約 250,000 頁 PDF 文件，這些文件通過 gpt-4o-2024-08-06 轉換為純文本，保留了原始數字內容。數據集來源包括網絡爬取的 PDF 和互聯網檔案館的書籍，涵蓋多種類型文檔，如學術論文、宣傳冊和法律文件等，適用於訓練、微調或評估 OCR 文檔處理系統。數據集由 105,504 個唯一文檔和 266,135 頁組成，並提供了詳細的元數據和提取內容，支持多種 OCR 和文檔理解任務。

本地AI - Mac和Windows一键安装Stable Diffusion WebUI、LamaCleaner、SadTalker、ChatGLM2-6B等AI工具，使用国内镜像，提升下载速度，无需科学上网即可使用。

Deep Swapper是一个免费的AI图像换脸工具，用户可以轻松地在照片中无缝地交换面孔。只需选择要交换面孔的图像，让强大的换脸技术为您完成其余工作。

这是一个用于Automatic1111/stable-diffusion-webui的Control Net扩展的深度图生成库，提供了优化的性能和用户友好的接口。

BlinkShot是一个实时AI图像生成器，能够快速生成高质量的图像，支持自定义分辨率和生成步骤，适合艺术创作和设计领域。

Vary-toy 是一个由旷视、国科大、华中大的研究人员共同开发的小型视觉语言模型，参数量为1.8B，能够在消费级显卡（如1080Ti）上训练和运行。它支持多种视觉语言任务，包括处理图片中的文字、图表、公式，以及对象检测、图像描述、视觉问答等，同时支持中英文。通过改进的视觉词汇表增强视觉感知能力，Vary-toy在多个数据集上的表现与7B级模型相当甚至更好，且计算开销更低。

OpenCV是一个开源的计算机视觉和机器学习软件库，提供了丰富的图像处理和计算机视觉算法。它支持多种编程语言和跨平台运行，适用于各类AI应用，包括图像处理、物体识别、视频分析等。OpenCV还针对不同硬件架构进行了优化，并支持深度学习模块，可加速矩阵乘法等操作。

OpenNLP是一个Apache开源项目，提供了一个用于自然语言处理的机器学习库，支持多种文本分析任务。它通过高效的算法和可扩展的模型，帮助开发者处理和分析大规模文本数据。

Background Remover 是由 Magic Studio 开发的在线照片编辑工具，利用先进的 AI 技术帮助用户快速移除照片背景、无损放大照片并删除不需要的元素。该工具设计高效且易用，适合专业摄影师和普通用户，提供高效、无忧的编辑体验。网站还提供其他工具如图片生成和自动抠图，扩展了用户的编辑选择。

基于Triton语言实现的Flash Attention, 采用OpenAI团队发布的Fused Attention代码，优化了注意力机制，适用于大规模数据处理，支持快速训练和推理，兼容多种深度学习框架。

AI Expand Image通过先进的AI技术，革命性地提升和处理照片，支持无缝扩展图像，保持原始照片的完整性，适合摄影师、社交媒体影响者、数字营销人员和图形设计师。

一个包含大约4675本中文科幻小说的语料库，可以用于中文科幻小说的人工智能研究。

My AI Startup帮助你迅速启动AI创业项目，提供多种AI解决方案，助力开发出令人印象深刻的AI项目，帮助你快速在线盈利。

该项目研究通过Sinkhorn散度在最优传输和最大均值差异（MMD）之间进行插值的方法，旨在提供一种有效的数据比较工具，支持多种数据分布的插值，帮助解决机器学习、统计学和图像处理等领域中的相关问题。

Perceiver IO是DeepMind的Perceiver IO的非官方PyTorch实现，支持分布式训练，具有通用输入处理能力，适用于图像、文本和音频等多种任务，设计高效，能够处理大规模数据。