尧图网站建设 
Unlimited-OCR双图解析模式揭秘gundam与base配置实测对比与选型建议【免费下载链接】Unlimited-OCRUnlimited OCR Works: Welcome the Era of One-shot Long-horizon Parsing.项目地址: https://gitcode.com/gh_mirrors/un/Unlimited-OCRUnlimited-OCR是百度开源的长文档解析模型可一次性把整份 PDF 解析为带版式结构的 Markdown。它的核心配置就是gundam与base两种图片解析模式——选对模式解析精度和速度都能拿到最优解。本文基于官方 README.md 逐项拆解两套配置并给出快速选型建议。一分钟了解 Unlimited-OCR传统 OCR 往往逐页识别、页面之间没有上下文遇到跨页表格和长文档就容易断片。Unlimited-OCR 的做法是把整份文档一次性喂给模型流式输出结构化解析结果版式、阅读顺序、表格与公式结构主打 One-shot Long-horizon Parsing论文全文见 Unlimited-OCR.pdf。推理后端支持 Transformers、vLLM、SGLang 三种批量场景直接用仓库自带的 infer.py它会自动拉起 SGLang 服务并发处理整个图片目录或 PDF并输出 token 数、解码耗时、系统 TPS 等统计。gundam 与 base 双解析模式的核心差异单张图片解析支持两套配置差别集中在三个关键参数上配置项gundam 模式base 模式base_size10241024image_size解析分辨率6401024crop_mode裁剪解析✅ 开启❌ 关闭ngram_window1281024多页场景推荐 promptdocument parsing.Multi page parsing.适用场景单张图片多页图片、PDF两种模式实际跑起来是什么体验gundam裁剪解析开启 crop_mode以 640 分辨率把图片切分后逐块做局部精细解析。细节抓得更细小字号、密集排版表现更好代价是输出 token 更多单张耗时更长。它也是 infer.py 的默认模式。⚡base整图一次解析1024 分辨率整图直出、不裁剪是长时程一次性解析的招牌配置。多页图片与 PDF 解析官方只支持 base且 ngram_window 放宽到 1024适合跨页长文本。一行命令切换解析模式Transformers 用户按 README.md 示例传参即可gundambase_size1024, image_size640, crop_modeTruebasebase_size1024, image_size1024, crop_modeFalseSGLang 用户更省事只需用--image_mode参数切换# 单图批量解析默认 gundam python infer.py \ --image_dir ./examples/images \ --output_dir ./outputs \ --image_mode gundam # 多页 / PDF 场景切到 base python infer.py \ --pdf ./examples/document.pdf \ --output_dir ./outputs \ --image_mode baseSGLang 后端需先安装 wheel/ 目录下的本地 wheel 包Python 3.12 环境之后一条命令即可完成启动与批量推理。选型建议3 个问题选对模式素材是单张图片→ 选gundam默认值细节更足。素材是多页图片或 PDF→ 必须选base并将 prompt 设为Multi page parsing.。显存紧张、想优先吞吐→ 选basegundam 裁剪解析输出量更大、耗时更长。 小技巧两种模式输出都是结构化 Markdown。对公式、表格密集的论文页面可以先跑 gundam 出精版再用 base 快速兜底比对稳妥又高效。眼见为实长时程解析演示仓库提供了一段完整的长时程 OCR 演示动画可以看到模型如何一次性流式输出跨多页的解析结果总结一张表带走全部结论你的场景推荐模式单张图片、要细节gundam默认多页图片basePDF 解析base显存有限、拼速度base一句话记住gundam 求细节base 求效率多页和 PDF 只有 base。看懂这张表Unlimited-OCR 在任何场景下都能配置到位。【免费下载链接】Unlimited-OCRUnlimited OCR Works: Welcome the Era of One-shot Long-horizon Parsing.项目地址: https://gitcode.com/gh_mirrors/un/Unlimited-OCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Unlimited-OCR双图解析模式揭秘：gundam与base配置实测对比与选型建议
Unlimited-OCR双图解析模式揭秘gundam与base配置实测对比与选型建议【免费下载链接】Unlimited-OCRUnlimited OCR Works: Welcome the Era of One-shot Long-horizon Parsing.项目地址: https://gitcode.com/gh_mirrors/un/Unlimited-OCRUnlimited-OCR是百度开源的长文档解析模型可一次性把整份 PDF 解析为带版式结构的 Markdown。它的核心配置就是gundam与base两种图片解析模式——选对模式解析精度和速度都能拿到最优解。本文基于官方 README.md 逐项拆解两套配置并给出快速选型建议。一分钟了解 Unlimited-OCR传统 OCR 往往逐页识别、页面之间没有上下文遇到跨页表格和长文档就容易断片。Unlimited-OCR 的做法是把整份文档一次性喂给模型流式输出结构化解析结果版式、阅读顺序、表格与公式结构主打 One-shot Long-horizon Parsing论文全文见 Unlimited-OCR.pdf。推理后端支持 Transformers、vLLM、SGLang 三种批量场景直接用仓库自带的 infer.py它会自动拉起 SGLang 服务并发处理整个图片目录或 PDF并输出 token 数、解码耗时、系统 TPS 等统计。gundam 与 base 双解析模式的核心差异单张图片解析支持两套配置差别集中在三个关键参数上配置项gundam 模式base 模式base_size10241024image_size解析分辨率6401024crop_mode裁剪解析✅ 开启❌ 关闭ngram_window1281024多页场景推荐 promptdocument parsing.Multi page parsing.适用场景单张图片多页图片、PDF两种模式实际跑起来是什么体验gundam裁剪解析开启 crop_mode以 640 分辨率把图片切分后逐块做局部精细解析。细节抓得更细小字号、密集排版表现更好代价是输出 token 更多单张耗时更长。它也是 infer.py 的默认模式。⚡base整图一次解析1024 分辨率整图直出、不裁剪是长时程一次性解析的招牌配置。多页图片与 PDF 解析官方只支持 base且 ngram_window 放宽到 1024适合跨页长文本。一行命令切换解析模式Transformers 用户按 README.md 示例传参即可gundambase_size1024, image_size640, crop_modeTruebasebase_size1024, image_size1024, crop_modeFalseSGLang 用户更省事只需用--image_mode参数切换# 单图批量解析默认 gundam python infer.py \ --image_dir ./examples/images \ --output_dir ./outputs \ --image_mode gundam # 多页 / PDF 场景切到 base python infer.py \ --pdf ./examples/document.pdf \ --output_dir ./outputs \ --image_mode baseSGLang 后端需先安装 wheel/ 目录下的本地 wheel 包Python 3.12 环境之后一条命令即可完成启动与批量推理。选型建议3 个问题选对模式素材是单张图片→ 选gundam默认值细节更足。素材是多页图片或 PDF→ 必须选base并将 prompt 设为Multi page parsing.。显存紧张、想优先吞吐→ 选basegundam 裁剪解析输出量更大、耗时更长。 小技巧两种模式输出都是结构化 Markdown。对公式、表格密集的论文页面可以先跑 gundam 出精版再用 base 快速兜底比对稳妥又高效。眼见为实长时程解析演示仓库提供了一段完整的长时程 OCR 演示动画可以看到模型如何一次性流式输出跨多页的解析结果总结一张表带走全部结论你的场景推荐模式单张图片、要细节gundam默认多页图片basePDF 解析base显存有限、拼速度base一句话记住gundam 求细节base 求效率多页和 PDF 只有 base。看懂这张表Unlimited-OCR 在任何场景下都能配置到位。【免费下载链接】Unlimited-OCRUnlimited OCR Works: Welcome the Era of One-shot Long-horizon Parsing.项目地址: https://gitcode.com/gh_mirrors/un/Unlimited-OCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考