跳转到主要内容
ToolPotion
AI 顾问
提交(免费)

Forms That Read Themselves

AI 应用计算机视觉工具GPU Rental Cost · 网页版

Forms That Read Themselves 提供了一种小型、经过精细调整的视觉模型,用于扫描表单提取,经过与前沿视觉 API 和 Azure Document Intelligence 的基准测试。它展示了一个自有模型可以在各种表单类型(包括广告购买表单和收据)上实现与领先商业解决方案相当的准确性,同时成本显著更低,并提供数据隐私的好处。

访问URL
分享
Forms That Read Themselves 截图
Forms That Read Themselves 截图

Forms That Read Themselves 介绍了对十二种不同扫描表单读取器的全面评估,从最先进的视觉 API 到专门为此目的精细调整的自定义 2B 参数模型。核心产品是一个小型视觉模型,用户可以拥有和操作,提供了一个成本效益高的替代方案,替代商业解决方案如 Azure Document Intelligence。

阅读更多

该平台逐字段地在具有已知答案的公共数据集上对每个读取器进行严格评分,包括 1988 年美国税表的 NIST 特殊数据库 2、外国代理人注册法案的备案、FCC 政治广告购买订单和 CORD v2 收据。这一严格的基准测试显示,经过精细调整的模型在一半测试的表单类型上超越了 Azure Document Intelligence,并在其余表单类型上与之表现相当,同时以极低的价格运行。例如,在广告购买表单上,经过精细调整的模型实现了 59.6% 的准确率,而 Azure 的准确率为 40.5%;在收据上,准确率为 77.6%,而 Azure 为 66.6%。

一个关键发现是,精细调整对小型模型的变革性影响。未调整的模型如 Gemma 4 E2B 显示出显著较低的准确率(例如,税表上为 15.0%),经过精细调整后显著提高至 73.6%。这一过程可以在租用的 GPU 上花费 8 分钟到 4.9 小时,使这些小型模型具有高度竞争力。经过精细调整的模型在某些表单类型(如注册表单和收据)上显示出较低的值发明率,这对于那些空白字段优于自信但错误的条目至关重要。

虽然像 GPT-6.1 Sol 和 Gemini 3.8 Flash 这样的前沿视觉模型通常实现更高的准确率,但经过精细调整的模型提供了性能与成本的良好平衡。例如,在收据上,它以每千页 0.16 美元的成本实现了 77.6% 的准确率,而 Claude Haiku 5.5 的准确率为 76.7%,成本为 0.38 美元。拥有并在消费者 GPU 上运行模型的一个显著优势是增强的数据隐私,因为没有页面需要离开用户的网络。

该项目还强调了视觉模型对扫描降解的鲁棒性。与基于 OCR 的管道不同,后者在扫描质量差时会遭受剧烈的准确率下降,直接读取像素的视觉模型保持高性能。然而,重要的是要注意,没有任何读取器在所有字段上达到 99% 的准确率,这意味着在关键应用中仍然需要人工验证。这些模型主要自动化输入过程,而不是最终检查。

该架构涉及使用 QLoRA 训练开放权重的 Gemma 4 E2B 和 E4B 模型,在训练小型适配器矩阵时将基础模型权重冻结为 4 位。这些适配器通过 vLLM 在 RTX 3090 GPU 上提供,允许高效的本地部署。该网站提供了一个计算器,以确定 API 成本与 GPU 租赁之间的盈亏平衡点,强调拥有模型的真实成本取决于其利用率。

  • 类别计算机视觉工具
  • 定价模式GPU Rental Cost
  • 部署本地部署
  • 平台网页版

  • 经过精细调整的视觉模型用于扫描表单提取

  • 与前沿视觉 API(GPT-6.1 Sol、Claude Sonnet、Gemini Flash)的基准测试

  • 与 Azure Document Intelligence 的比较

  • 支持各种表单类型:注册、广告购买、收据、税表

  • 在公共数据集上的逐字段准确性评分

  • 商业 API 的成本效益替代方案

  • 在消费者 GPU(如 RTX 3090)上的本地部署能力

  • 在某些表单类型上减少值的发明

  • 对扫描降解(噪声、模糊、倾斜、对比度丢失)的鲁棒性

  • 详细的性能指标,包括正确字段和每千页成本

  • 用于精细调整的开放权重基础模型(Gemma 4 E2B、E4B)

  • QLoRA 精细调整配方,用于在单个 GPU 上高效训练

  • 用于提供精细调整模型的 vLLM

  • API 与拥有 GPU 成本盈亏平衡分析计算器

  • 通过将页面保留在您的网络内实现数据隐私

  1. 选择读取器:从各种视觉模型或 OCR 管道中选择,以比较其性能。

  2. 调整扫描质量:模拟不同的降解水平(噪声、模糊、倾斜、对比度丢失),观察对准确性的影响。

  3. 逐字段查看结果:查看每个读取器正确提取的字段(标记为绿色)和错误的字段(标记为红色和虚线)。

  4. 分析准确性和成本:比较不同读取器和表单类型的正确字段比例和每千页成本。

  5. 理解精细调整的影响:观察精细调整如何显著提高小型模型在特定表单类型上的准确性。

  6. 评估部署成本:使用提供的计算器确定租用 GPU 与使用商业 API 的经济可行性,基于您的处理量。

  7. 访问适配器:从 Hugging Face 下载可用的收据、广告购买表单和税表的精细调整适配器。

  • 自动化表单数据提取
  • 成本效益的文档处理
  • 本地数据处理
  • 基准测试 AI 视觉模型
  • 提高 OCR 准确性
  • 定制模型开发

Forms That Read Themselves 评价

加载中...

与 Forms That Read Themselves 类似的热门AI工具

Azure 文档智能是 Azure 内容理解的一部分,利用 AI 模型自动提取各种文档中的文本、结构和字段,提高业务效率,减少人工工作量。

AI 文档与 PDF 工具政府与公共部门
查看工具

Azure 内容理解的一部分,利用 AI 模型自动提取各种文档中的文本、结构和字段,提高业务效率,减少人工工作量。Azure 文档智能是 Azure 内容理解的一部分,利用 AI 模型自动提取各种文档中的文本、结构和字段,提高业务效率,减少人工工作量。

AI 文档与 PDF 工具政府与公共部门
查看 AI 应用 Top 250

Foundry 工具中的 Azure Vision 使开发人员能够将计算机视觉功能集成到应用程序中。它提供图像分析、光学字符识别(OCR)和面部识别,无需机器学习专业知识,使其可用于各种智能应用。

计算机视觉工具制造与工业
查看工具

Foundry 工具中的 Azure Vision 使开发人员能够将计算机视觉功能集成到应用程序中。它提供图像分析、光学字符识别(OCR)和面部识别,无需机器学习专业知识,使其可用于各种智能应用。

计算机视觉工具制造与工业
查看 AI 应用 Top 250

Instafill.ai 可自动填充 PDF 表单,节省数小时手动工作。上传任何 PDF 或 Word 文档,提供数据,让 AI 精准完成表单。您的数据受到保护,绝不用于 AI 训练,确保企业隐私和效率。

AI 文档与 PDF 工具

AI 文档与 PDF 工具 排名第 71 位

查看工具

ReceiptUp 的高级 OCR API 可精确从收据和发票中提取数据,并将其转换为结构化 JSON。它提供高精度、多语言支持,并能处理各种格式,从而简化财务工作流程并增强业务分析能力,实现高效数字化。

计算机视觉工具
查看工具

ReceiptUp 的高级 OCR API 可精确从收据和发票中提取数据,并将其转换为结构化 JSON。它提供高精度、多语言支持,并能处理各种格式,从而简化财务工作流程并增强业务分析能力,实现高效数字化。

计算机视觉工具
查看 AI 应用 Top 250

Mindee提供一个基于AI的文档处理API,自动从各种文档类型中提取数据,包括发票和收据。凭借高准确性和速度,它无缝集成到现有工作流程中,使各类企业的文档管理更加高效。

AI 文档与 PDF 工具
查看工具

Mindee提供一个基于AI的文档处理API,自动从各种文档类型中提取数据,包括发票和收据。凭借高准确性和速度,它无缝集成到现有工作流程中,使各类企业的文档管理更加高效。

AI 文档与 PDF 工具
查看 AI 应用 Top 250

Veryfi 提供由 AI 驱动的 OCR API、移动 SDK 和代理,可从发票、收据和支票等文档中安全地实时提取数据。它将非结构化文档转换为可操作的数据,使企业能够自动化工作流程、增强欺诈检测,并通过智能文档处理来赋能其产品。

AI 文档与 PDF 工具金融与银行

从图像中提取文本 排名第 23 位

查看工具

提供由 AI 驱动的 OCR API、移动 SDK 和代理,可从发票、收据和支票等文档中安全地实时提取数据。它将非结构化文档转换为可操作的数据,使企业能够自动化工作流程、增强欺诈检测,并通过智能文档处理来赋能其产品。Veryfi 提供由 AI 驱动的 OCR API、移动 SDK 和代理,可从发票、收据和支票等文档中安全地实时提取数据。它将非结构化文档转换为可操作的数据,使企业能够自动化工作流程、增强欺诈检测,并通过智能文档处理来赋能其产品。

精选AI 文档与 PDF 工具金融与银行
从图像中提取文本 排名第 23 位

Doc2Form

AI 应用

Doc2Form 将 PDF、Word 文档和扫描表单转换为原生 Google 表单,使用 AI 提取问题、选项和部分,直接在您的云端硬盘中创建 Google 表单。第一个表单免费,后续转换采用增值模式。

AI 文档与 PDF 工具教育与在线学习

AI 文档与 PDF 工具 排名第 137 位

查看工具

AI 应用

将 PDF、Word 文档和扫描表单转换为原生 Google 表单,使用 AI 提取问题、选项和部分,直接在您的云端硬盘中创建 Google 表单。第一个表单免费,后续转换采用增值模式。Doc2Form 将 PDF、Word 文档和扫描表单转换为原生 Google 表单,使用 AI 提取问题、选项和部分,直接在您的云端硬盘中创建 Google 表单。第一个表单免费,后续转换采用增值模式。

AI 文档与 PDF 工具教育与在线学习
AI 文档与 PDF 工具 排名第 137 位

api4ai 提供云原生、AI 驱动的图像处理 API。提供基于订阅的解决方案,用于背景移除、OCR、内容审核和人脸识别。他们还为特定的业务需求提供定制解决方案,赋能开发者和企业实现计算机视觉能力。

计算机视觉工具
查看工具

提供云原生、AI 驱动的图像处理 API。提供基于订阅的解决方案,用于背景移除、OCR、内容审核和人脸识别。他们还为特定的业务需求提供定制解决方案,赋能开发者和企业实现计算机视觉能力。api4ai 提供云原生、AI 驱动的图像处理 API。提供基于订阅的解决方案,用于背景移除、OCR、内容审核和人脸识别。他们还为特定的业务需求提供定制解决方案,赋能开发者和企业实现计算机视觉能力。

计算机视觉工具
查看 AI 应用 Top 250
1/8