【免费下载链接】Xiaomi-OCR-0Xiaomi-OCR-0项目地址https://gitcode.com/gh_mirrors/xi/Xiaomi-OCR-0点击查看免费下载Xiaomi-OCR-0 评测流水线帮助你将文档图片批量转成 Markdown并用 OmniDocBench v1.6 标准指标打分。本文带你从零走通两条推理路线——端到端e2e与两阶段two-stage推理完整复现论文级别的评测结果。两条推理路线怎么选Xiaomi-OCR-0 是一个 0.8B 参数的视觉语言模型专攻文档解析。它支持两种把图片变成 Markdown 的方式路线流程适合场景端到端e2e整页图片直接送模型一次生成 Markdown手写笔记、书法、场景文字、不规则版式两阶段two-stage先用 PP-DocLayoutV3 检测版面区域再逐区域识别并组装成页面印刷体、版式规整的文档精度更高核心代码位于 evaluation_pipeline/ 目录两条路线的详细文档见 evaluation_pipeline/README_zh.md。新手建议先用 e2e 跑通全流程简单再用两阶段冲高分。前置准备环境安装与输入数据格式需要准备两个环境可分开装vLLM 推理环境GPU 环境 requirements.txt用于跑模型推理PaddlePaddle PaddleX仅两阶段需要安装 requirements-paddlex.txt评测环境官方提供的 Docker 镜像无需本地安装 TeX Live、ImageMagick 等依赖。完整安装步骤见 INSTALL.md。克隆仓库git clone https://gitcode.com/gh_mirrors/xi/Xiaomi-OCR-0 cd Xiaomi-OCR-0输入数据格式推理输入是 JSONL 文件每行一张页面图片的绝对路径{images: [/absolute/path/to/page.png]}两个关键细节输出按图片文件名.md命名文件名必须唯一且与评测标注中的页面名称一致两阶段推理时layout JSONL 与输入 JSONL 里的图片路径字符串必须完全一致脚本靠它关联检测结果。端到端推理一条命令输出整页 Markdown使用 evaluation_pipeline/e2e_img2md.py脚本会自动启动/停止 vLLM 服务python -m evaluation_pipeline.e2e_img2md \ --input-jsonl $INPUT_JSONL \ --output_dir $OUTPUT_DIR/e2e \ --model_path SeerRay-Lab/Xiaomi-OCR-0 \ --task document --gpu_devices 0,1,2,3 \ --start_server --stop_server推理超参数建议保持论文设置temperature0.0、top_p0.8、max_tokens16384、presence_penalty0.0并开启--retry-repetitive对重复输出自动重试。后处理会把模型输出的OTSL 表格转成 HTML 表格公式保留 LaTeX 格式最终产出逐页.md文件。公共后处理逻辑见 postprocess/README.md。两阶段推理教程版面检测 区域识别两阶段把看整页拆成先找区域、再认内容官方复现结果比 e2e 高出约 1~2 分。第一步用 PaddleX 生成版面检测结果运行 evaluation_pipeline/layout_detect_paddlex.py使用PaddleX 版 PP-DocLayoutV3阈值 0.25python -m evaluation_pipeline.layout_detect_paddlex \ --input_jsonl $INPUT_JSONL \ --output_jsonl $OUTPUT_DIR/layout_paddlex-th0.25.jsonl \ --gpu_ids 0 --batch_size 8 --threshold 0.25首次运行 PaddleX 会自动下载 PP-DocLayoutV3 权重也可用--model_dir指定本地 PaddleX 格式权重。版面检测结果包含 25 类区域标签text、table、display_formula 等脚本按标签分发任务文本走提取文字、表格走 OTSL 提示、公式走 LaTeX 提示图像类区域则跳过。第二步区域识别并组装页面在 vLLM 环境运行 evaluation_pipeline/twostage_img2md.py把上一步的 layout 文件传入python -m evaluation_pipeline.twostage_img2md \ --input-jsonl $INPUT_JSONL \ --layout-jsonl $LAYOUT_JSONL \ --output_dir $OUTPUT_DIR/stage2 \ --model_path SeerRay-Lab/Xiaomi-OCR-0 \ --vlm_gpus 0,1,2,3 --start_server --stop_server页面组装时按阅读顺序排序、过滤页眉页脚、合并公式编号、拼接文本块表格同样由 OTSL 转 HTML。用 OmniDocBench 评测指标说明与 Docker 运行评测复用 OmniDocBench v1.6 的pdf_validation.py配置直接使用仓库公开的 evaluation_pipeline/configs/end2end.yaml类别指标文本text_blockEdit Distance公式display_formulaEdit Distance、CDM表格tableTEDS、Edit Distance阅读顺序reading_orderEdit Distance关键配置匹配方式quick_matchmatching/CDM/TEDS 的 worker 数均为 16超时时间 1200 秒。复现时请保留这些设置。评测在 Docker 镜像中完成一条命令即可GT为标注 JSONPRED_DIR为 Markdown 输出目录docker run --rm --entrypoint bash \ -v $PWD/evaluation_pipeline/configs/end2end.yaml:/repro/end2end.yaml:ro \ -v $GT:/repro/gt.json:ro \ -v $PRED_DIR:/repro/predictions:ro \ -v $RESULT_DIR:/workspace/result \ ghcr.io/zeng-weijun/omnidocbench-eval:repro-ubuntu2204 \ -c python pdf_validation.py --config /tmp/xiaomi-ocr-eval.yaml复现结果参考三大数据集成绩以下是官方公布的两条路线复现成绩两阶段使用 PaddleX 版 PP-DocLayoutV3阈值 0.25OmniDocBench v1.6方法Overall ↑text Edit_dist ↓formula CDM ↑table TEDS ↑e2e94.630.039596.3391.51两阶段96.470.033298.3494.40Real5-OmniDocBench真实拍摄场景方法Overall ↑扫描 ↑弯曲 ↑屏幕拍摄 ↑e2e93.4594.5293.4093.28两阶段95.2496.4195.4694.47可以看到两阶段在公式CDM和表格TEDS上优势最明显这正来自区域识别时表格用表格提示、公式用公式提示的任务分发策略。复现避坑4 个高频问题阈值必须独立重跑PaddleX 原生后处理使高阈值结果不一定是低阈值结果的子集不能离线过滤替代重新生成比较不同阈值请用各自独立的 layout 文件。别混用 layout 来源若改用--layout_model_dirHF Transformers 加载默认阈值变为 0.3与 0.25 的 PaddleX 结果不可直接对比复现请始终传 PaddleX 生成的--layout-jsonl。路径字符串必须逐字一致输入 JSONL 与 layout JSONL 的图片路径有任何差异相对/绝对、空格检测结果就对不上。worker 数别拉满配置注释明确建议每阶段保持约 1/3~1/2 空闲 CPU设满可能死锁。总结跑通 Xiaomi-OCR-0 评测流水线的完整路径是准备 JSONL 输入 → e2e 或两阶段推理生成逐页 Markdown → Docker 内 OmniDocBench 打分。全程脚本化、可复现配置文件已随仓库公开。核心资料索引评测总文档evaluation_pipeline/README_zh.md推理脚本e2e_img2md.py · twostage_img2md.py · layout_detect_paddlex.py评测配置configs/end2end.yaml公共后处理postprocess/赞分享【免费下载链接】Xiaomi-OCR-0Xiaomi-OCR-0项目地址https://gitcode.com/gh_mirrors/xi/Xiaomi-OCR-0点击查看免费下载相关推荐Twin 模式在 Java 中的实践用「双胞胎对象」替代多重继承java-design-patterns 仓库解读Twin 模式在 Java 中的实践用「双胞胎对象」替代多重继承java design patterns 仓库解读 本篇文章以 java design p示例工程后端如何使用 VRCX 免费管理 VRChat 好友、世界与邀请如何使用 VRCX 免费管理 VRChat 好友、世界与邀请 VRCX 是一款免费的 VRChat 配套工具让你不用打开游戏客户端就能管理好友列表、世界收藏和桌面应用社交基于 Qwen 复现 ARC-AGI-1 评估vLLM/SGLang 推理与多线程评测流水线实战指南基于 Qwen 复现 ARC AGI 1 评估vLLM/SGLang 推理与多线程评测流水线实战指南 本指南以 eval 目录 https://link.gi人工智能大模型模型评测文档教程Qwen上一篇faceai代码重构从混乱到模块化的终极蜕变指南下一篇更纱黑体完整生态指南从镜像下载到社区贡献的终极教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
