Segunda generación del modelo compacto de Baidu, de 0,9B de parámetros, para analizar documentos fotografiados o escaneados, con localización de formas irregulares, detección de texto y reconocimiento de sellos.
Según Baidu, logra un 94,5 % en OmniDocBench v1.5 y es más robusto con documentos torcidos, deformados, fotografiados o con iluminación irregular, que mide con su nuevo banco Real5-OmniDocBench.
Pesos abiertos en Hugging Face con licencia Apache 2.0, código en GitHub (PaddleOCR) y demo en Hugging Face Spaces y en paddleocr.com. Sucede a PaddleOCR-VL, que tiene su propia ficha en Modelos al día; le sigue PaddleOCR-VL-1.6.
Añade localización de cajas poligonales mediante PP-DocLayoutV3, unión de tablas entre páginas, reconocimiento de títulos y los idiomas tibetano y bengalí.
