3 步搞定公式图片转 LaTeXLaTeX-OCRpix2tex快速上手【免费下载链接】LaTeX-OCRpix2tex: Using a ViT to convert images of equations into LaTeX code.项目地址: https://gitcode.com/GitHub_Trending/la/LaTeX-OCR写论文时对着 PDF 里的公式逐个手敲 LaTeX最磨人。LaTeX-OCR包名 pix2tex就是干这个的公式图片转 LaTeX给它一张截图它还你一段代码。公式识别的底层一个会写代码的视觉 Transformer它的思路很直白前端用一个视觉 TransformerViT编码器看图ViT 前面挂着 ResNet 做特征提取输出端接一个 Transformer 解码器逐个 token 地把 LaTeX 代码写出来。代码结构可以看 pix2tex/models/ 和 pix2tex/model/settings/config.yaml。官方测试集上的成绩是 BLEU 0.88、token 准确率 0.60——常用公式基本能直接拿来用复杂公式仍要过目一遍。pix2tex 一条命令安装模型自动下载前提是 Python 3.7并按 PyTorch 官方说明装好对应版本。然后pip install pix2tex[gui]带[gui]是为了顺便装上图形界面的依赖如果你只要命令行或 API可以换对应的 extras 标签。 模型 checkpoint约 200MB会在首次运行时自动下载不用手动搬。不想污染本机环境、或者想直接把识别能力作为服务提供出去就用官方 Docker 镜像拉取后把 8502 端口映射到本机API 即开即用。更多细节见官方文档 docs/installation.md。按真实场景上手截图、批量、嵌代码日常随手截图转 LaTeX 就开 GUI装完后跑一下latexocr一个窗口弹出来用鼠标框选屏幕上的公式 → MathJax 实时渲染出识别效果 → 结果同时复制进剪贴板切回 Overleaf 直接粘贴。⚡ 从截图到粘贴几秒的事。Linux 用户留意一点GUI 截图依赖系统工具GNOME 下默认走 gnome-screenshotwlroots 系 Wayland 用 grim slurpKDE Plasma 用 spectacle。如果默认选择和你桌面不兼容把环境变量SCREENSHOT_TOOL指到正确的工具上即可。磁盘图片和批量公式识别命令行更省事图片已经在磁盘上时终端里一条命令搞定pix2tex formula.png加--clipboard则直接读剪贴板里的图片。一次可以传多个文件也支持通配符模型只加载一遍逐个输出结果——处理一整个文件夹的公式截图很方便。需要网络请求做批量工作流的话装[api]依赖后启动内置服务它监听 8502 端口脚本里发 HTTP 请求即可入口在 pix2tex/api/。把识别能力嵌进自己的 Python 代码在脚本里from pix2tex.cli import LatexOCR实例化后直接调用传入一张 PIL 图片返回 LaTeX 字符串结果同样会自动进剪贴板。不传新图时它会复用上一张方便对同一张图反复试实现见 pix2tex/cli.py。识别不准时怎么调分辨率、temperature 和重试先说分辨率。模型内置了一个辅助小网络专门预测输入图的最佳分辨率并自动缩放所以图越大越准是错觉屏幕拉满放大后再截的图反而可能不如正常缩放。 截图时放大到看清为准的程度即可。再说结果飘。生成过程是随机采样同一张图两次识别可能不一样——第一次不理想时直接重试同一张图常常就对了。想要输出更稳定把 temperature 调低GUI 里有滑杆CLI 交互模式下输入t0.XX随时改。值越低结果越收敛。最后永远人工核对一遍。token 准确率只有 0.60分式、上下标、容易混淆的希腊字母是最常翻车的地方贴进文档前扫一眼不亏。对经常和论文、课件里的公式打交道的人来说LaTeX-OCR 的价值很具体把看图手敲压缩成截图、粘贴两步剩下的核对工作只花几秒钟。【免费下载链接】LaTeX-OCRpix2tex: Using a ViT to convert images of equations into LaTeX code.项目地址: https://gitcode.com/GitHub_Trending/la/LaTeX-OCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
