IBM提出多模式图像文本到文本模型SmolDocling，可实现代码 | 公示 | 图表 | 表格 | 标题 高效转换！

文章预览

Docling团队联合IBM提出了一种多模式图像文本到文本模型SmolDocling，旨在实现高效的文档转换。它保留了 Docling 最受欢迎的功能，同时通过无缝支持DoclingDocuments确保与 Docling 完全兼容。目前已经冲到了Huggingface 热门榜单 Top 3! 相关链接 主页：https://huggingface.co/ds4sd/SmolDocling-256M-preview 论文：https://arxiv.org/abs/2503.11576 试用：https://huggingface.co/spaces/ds4sd/SmolDocling-256M-Demo 特点： 🏷️用于高效标记化的 DocTags - 引入了 DocTags，一种与DoclingDocuments完全兼容的高效且最小化的文档表示。 🔍 OCR（光学字符识别）——从图像中准确提取文本。 📐布局和本地化——保留文档结构和文档元素边界框。 💻代码识别——检测并格式化代码块（包括标识）。 🔢公式识别——识别和处理数学表达式。 📊图表识别——提取并解释图表数据。 📑表格识别——支持列和行标题以 ………………………………