#document-ai Dépôts
Découvrez 22 dépôts GitHub open source actifs associés à #document-ai, cumulant 108,453 étoiles au total (soit une moyenne de 4,929 étoiles par projet). Le projet en tête de ce thème est microsoft/unilm, avec 22,247 étoiles.
22 dépôts au total
Pré-entraînement auto-supervisé à grande échelle à travers les tâches, langues et modalités
OCR, analyse de la mise en page, ordre de lecture, reconnaissance des tableaux dans plus de 90 langues
Modèle OCR qui gère les tableaux complexes, les formulaires et l'écriture manuscrite avec une mise en page complète.
Plateforme multi-tenant d’agents de connaissance déployable en privé : RAG unifié, graphes de connaissances, systèmes multi-agents, MCP/Skills, environnements sandbox et gestion des autorisations. Yuxi = Agents cloud + RAG de connaissances, une plateforme d’agents de connaissance auto-hébergeable pour le RAG, les graphes de connaissances et les workflows multi-agents.
Extraction de Données Non Structurées Pilotée par LLM — Conçue pour les Déploiements API et les Flux ETL
Implémentation officielle de OCR-free Document Understanding Transformer (Donut) et Synthetic Document Generator (SynthDoG), ECCV 2022
Synapsa Commons : des cours d’IA gratuits et pratiques, exécutables partout (Colab, Kaggle, Binder, Codespaces, Jupyter). Éléments probants de conformité à la législation européenne sur l’IA, validation des modèles, maintenance prédictive, extraction de documents, recherche et RAG, agents d’IA et MCP, ainsi qu’un humanoïde simulé. Chaque leçon est évaluée automatiquement. Par l’équipe qui développe Synapsa.
Outil de rédaction de dossiers d'appel d'offres IA prêt à l'emploi, générateur de dossiers d'appel d'offres par IA, boîte à outils pour les appels d'offres, base de connaissances, vérification de plagiat et contrôle des clauses d'exclusion, entièrement open source et gratuit, n'hésitez pas à l'utiliser.
Traduction PDF en conservant la mise en page, les formules et la structure, adaptée aux documents scientifiques et techniques
Extrayez des données structurées et des insights de documents à l’aide de grands modèles de langage et de modèles de décision
[ECCV 2024] Implémentation officielle du code de Vary : Scaling Up the Vision Vocabulary of Large Vision Language Models.
Obtenez des données propres à partir de documents complexes, alimentés par des modèles de vision-langage ⚡
TableBank : Un ensemble de données de référence pour la détection et la reconnaissance de tableaux
PDF vers markdown à l'aide de vision LLM — tableaux, mises en page et structure préservés
Transformez des documents en Markdown prêt pour l'IA grâce à la compréhension visuelle
RAG agentique pour la recherche de documents en local et auto-hébergée : récupération hybride, reranking et RAG multimodal sur LanceDB embarqué, avec analyse par Docling et un serveur MCP
Foire aux questions
Quel est le dépôt #document-ai le plus populaire sur GitHub ?
Le projet #document-ai open source le mieux classé sur GitHub est microsoft/unilm, avec 22,247 étoiles. Pré-entraînement auto-supervisé à grande échelle à travers les tâches, langues et modalités
Quels langages de programmation sont les plus utilisés dans les dépôts #document-ai ?
Parmi les projets #document-ai les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, JavaScript, C++, Go.
Comment le classement des dépôts #document-ai est-il calculé ?
Nous suivons 22 dépôts open source actifs associés à #document-ai (500+ étoiles), totalisant 108,453 étoiles, avec une moyenne de 4,929 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.