deepseek-ai/DeepSeek-OCR
DeepSeek-OCR verbindet einen visuellen Encoder mit einem Sprachmodell für optische Zeichenerkennung und Dokumentanalyse und wird mit Inferenzcode für vLLM und Transformers veröffentlicht. Es liest Bilder und PDFs und wandelt sie in Markdown oder reinen Text um und dient auch der Untersuchung, wie viel visueller Kontext ein Modell zum Rekonstruieren einer Seite braucht. Die Inferenz läuft unter CUDA mit PyTorch, und das Repository enthält Skripte zur Stapelauswertung für Benchmarks.
Wartungsaktivität