📄 مدل PaddleOCR-VL (0.9B) — مدل چندوجهی سبک و قدرتمند از Baidu AI

تیم Baidu AI از مدل جدید خود با نام PaddleOCR-VL (نسخه 0.9B) رونمایی کرده است — مدلی بسیار فشرده در دسته‌ی Vision-Language Models (VLM) که به‌رغم اندازه‌ی کوچک، در چندین وظیفه‌ی بینایی-زبانی به دقت در سطح SOTA (state-of-the-art) دست یافته است:

🔹 شناسایی و درک متون
🔹 استخراج داده از جداول
🔹 تشخیص فرمول‌های ریاضی
🔹 تحلیل و تفسیر نمودارها و گراف‌ها

💡 زیرساخت فنی:

🧠 بخش NaViT — انکودر دیداری پویا برای پردازش تصاویر با ابعاد متغیر

💬 بخش ERNIE-Lite — نسخه‌ی سبک‌شده از مدل زبانی Baidu با توانایی درک متنی پیشرفته

⚡️ پشتیبانی از ۱۰۹ زبان زنده دنیا — از جمله انگلیسی، چینی، عربی، فارسی و دیگر زبان‌ها

🔗 منابع رسمی:
🟠 GitHub:
https://github.com/PaddlePaddle/PaddleOCR

🟠 HuggingFace:
https://huggingface.co/PaddlePaddle/PaddleOCR-VL

🟠 مستندات:
https://paddleocr.ai/latest/en/index.html

#BaiduAI #PaddlePaddle #Ernie #PaddleOCR #VisionLanguage #AI #OCR

@asrgooyeshpardaz