Python
allenai / olmocr
LLM 데이터셋/훈련을 위한 PDF 선형화 도구
18.2K
1.5K
8일 전
이 프로젝트에 대해
allenai 님의 olmocr 프로젝트는 GitHub에서 18.2K개의 별을 받으며 많은 개발자들의 주목을 받고 있습니다. 특히 Python 환경에서 유용하게 활용될 수 있으며, 최근 오픈소스 커뮤니티에서 활발한 기여와 토론이 이루어지고 있는 트렌딩 레포지토리입니다.
Language Breakdown
Python 87%Shell 9%HTML 5%Dockerfile 0%Makefile 0%
🇰🇷 한국어 번역 README
캐시 히트PDF 및 기타 이미지 기반 문서 형식을 깨끗하고 읽기 쉬운 일반 텍스트 형식으로 변환하기 위한 도구 키트입니다.
온라인 데모를 체험해보세요:
기능:
- PDF, PNG, JPEG 기반 문서를 깨끗한 Markdown으로 변환
- 수식, 표, 손글씨 및 복잡한 형식 지원
- 헤더와 푸터 자동 제거
- 그림, 다단 레이아웃, 삽입물이 있어도 자연스러운 읽기 순서로 텍스트 변환
- 효율적이며, 백만 페이지 변환당 200달러 미만
- (7B 파라미터 VLM 기반, 따라서 GPU 필요)
뉴스
- 2025년 10월 21일 - v0.4.0 - 새로운 모델 출시, 합성 데이터를 사용하여 olmOCR-bench 점수를 약 4점 향상시키고 RL 학습 도입
- 2025년 8월 13일 - v0.3.0 - 새로운 모델 출시, 자동 회전 감지 및 공백 문서에서 환각 현상 수정
- 2025년 7월 24일 - v0.2.1 - 새로운 모델 출시, olmOCR-Bench 점수 3점 향상, 기본 FP8 사용으로 훨씬 빠르게 실행, 문서당 재시도 횟수도 크게 감소
- 2025년 7월 23일 - v0.2.0 - 새로 정리된 학습기 코드, 직접 olmOCR 모델을 훨씬 쉽게 학습 가능
- 2025년 6월 17일 - v0.1.75 - sglang에서 vllm 기반 추론 파이프라인으로 전환, CUDA 12.8로 도커 이미지 업데이트
- 2025년 5월 23일 - v0.1.70 - 공식 도커 지원 및 이미지 제공! Docker 사용법 참고
- 2025년 5월 19일 - v0.1.68 - olmOCR-Bench 출시, 77.4 점수. 출시 포함: 프롬프트 버그 수정으로 인해 olmOCR 파이프라인 성능 2점 향상.
🌐 본 텍스트는 빠른 이해를 돕기 위한 요약 번역본입니다. 정확한 기술 정보 및 전체 코드는 GitHub 원문에서 확인하실 수 있습니다.
이 정보는 AI가 자동으로 분석한 결과입니다. 정확한 내용은 원문을 확인하세요.
allenai/olmocr GitHub 원문 바로가기 →