ggml-org/llama.cpp

Request: Nougat OCR Integration

Aberta

#3.294 aberto em 21 de set. de 2023

Ver no GitHubGuia do colaborador
 (8 comentários) (13 reações) (0 responsável)C++ (21.812 forks)batch import
help wantedmodel

Métricas do repositório

Stars
 (124.339 estrelas)
Métricas de merge de PR
 (Mesclagem média 6d 8h) (389 fundiu PRs em 30d)

Description

Request: Nougat OCR Integration

I suggest adding Nougat OCR into llama.cpp to enable the processing of scientific PDF documents. This can act as a first step towards adding multimodal models to this project!

Implementation: It seems that Nougat is based on standard transformer architecture (like Bart and Swin Transformer) and most of the work would be on figuring out how to add the image processing.

Let me know what you think! P.S.: Love this repo! I hope to add my own retrieval-pretrained transformer at some point to this repo.

Guia do colaborador

Direção de pesquisa
Investigue a arquitetura do Nougat e suas dependências. Determine como incorporar o processamento de imagens no código existente do llama.cpp, possivelmente adicionando um novo tipo de modelo ou integrando uma biblioteca externa. Revise PRs ou issues semelhantes que adicionaram novos modelos.
Pilha de tecnologia
cpp
Domain
backend
Tipo Issue
Funcionalidade
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
3
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
3-5 dias
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Ativo
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Precisa de investigação
Prerequisites
C++CMakeGitBasic knowledge of transformer architectures
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
40