tesserocr开源项目 – Python的OCR库

AI文档理解相关文献资源列表，专注于文档人工智能（Document Artificial Intelligence）领域。该项目收集了大量关于文档理解的研究文献和资源，涵盖了文档人工智能的多个子领域，如OCR、文本分析、图像处理等。持续更新，保持与最新研究进展同步，提供了丰富的参考资料和工具链接，适合研究人员、开发者和学生使用。

AI Filter 是一个利用人工智能技术为照片应用各种创意滤镜的平台，能够将照片转化为独特的艺术风格，如动漫、黏土、像素艺术等。该平台设计简单易用，适合初学者和专业人士快速、轻松地提升图像效果。用户只需访问网站，上传照片，选择滤镜风格，即可下载转换后的图像。

一个能够直接在文件字节上进行训练和测试的模型，无需在推理时对文件进行解码。

该项目是一个从零开始构建大语言模型的开源教程，不依赖任何外部库，仅使用Python和PyTorch实现。教程详细讲解了从基础到进阶的LLM构建过程，包括模型结构、注意力模块、KV Cache等核心概念，并提供了训练和微调的代码，帮助读者快速上手和实践。

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。

Maya是一款能够理解和生成多种语言的文本和图像内容的大型语言模型，特别适合需要跨语言交互的应用场景。

n8n 是一款为技术团队设计的工作流自动化平台，结合了代码的灵活性和无代码的速度。它支持 400 多个集成、原生 AI 功能和公平代码许可，使用户能够构建强大的自动化流程，同时保持对数据和部署的完全控制。n8n 提供可视化界面和代码编写（JavaScript/Python）的组合，支持自托管或云托管部署，并具有企业级功能，如高级权限、单点登录和隔离部署。此外，n8n 还支持基于 LangChain 构建 AI 代理工作流，并结合用户自己的数据和模型。

Impel.ai 提供行业内最先进的汽车软件解决方案，帮助消费者更好地选择和购买车辆。用户可以通过注册账户访问 Impel 平台，探索多种功能和工具。

Genice是一个功能强大的人工智能工具，旨在为用户提供多种智能服务。它结合了最新的AI技术，提供高效、准确的解决方案，适用于各种应用场景。无论是数据分析、文本生成还是图像处理，Genice都能满足用户的需求，帮助提升工作效率。

金鸣在线表格识别系统是由深圳市金鸣科技有限公司提供的在线OCR服务，专为将图像中的表格转换为可编辑的Excel文件而设计。该系统利用百度文心一言大模型等先进AI技术，提供高精度的表格识别、文本识别和图像校正功能，支持批量处理和多种文档格式的转换。适用于需要快速、高效文档数字化的企业和个人用户。

Melobytes.com是一个在线平台，提供多种AI驱动的创意工具，帮助用户探索艺术、音乐等领域的边界。通过简单易用的应用程序，用户可以为自己和朋友创造独特有趣的内容，可能性无穷无尽！

Mimiko是一个在线平台，提供照片编辑和修复服务。用户可以对老照片进行放大和修复，基于输入进行图像处理，模拟老化效果，去除背景，并使旧照片焕发新生。使用Mimiko非常简单，只需创建账户，上传所需照片，选择编辑选项，让Mimiko为您工作。

VTracer 是一个开源软件，用于将位图（如 JPG 和 PNG）转换为矢量图形（SVG）。它能够处理高分辨率扫描图像和低分辨率像素艺术，适用于历史文化资料数字化、设计工作和游戏开发等场景。与 Potrace 相比，VTracer 可以处理彩色图像，并且输出更紧凑的矢量文件。它最初设计用于处理高达千兆像素的历史蓝图扫描，同时也适用于复古游戏艺术的像素化处理。

Image Pig是一个简单的API，允许用户通过多种编程语言使用AI模型生成和处理图像。用户可以安装该软件包，并通过发送带有图像提示的POST请求来使用API。

Gauss2是三星在2024年韩国开发者大会(SDC24 Korea)发布的第二代多模态生成性AI模型，支持语言、代码和图像处理。提供Compact(紧凑型)、Balanced(平衡型)、Supreme(至尊型)三种版本，分别适用于设备端、通用场景和云端高性能需求。支持9-14种自然语言和多种编程语言，处理速度比主流开源模型快1.5-3倍。目前主要用于三星内部生产力工具，未来计划集成到消费产品中。