Компьютерное зрениеДокументы и OCR

DiT (Document Image Transformer)

Name: DiT (Document Image Transformer)
Author: Microsoft

По картинке определяет, что за документ перед ней: резюме, диплом, справка, договор. Помогает раскладывать пакеты файлов от кандидатов по типам. Решение о кандидате принимает человек, автоматический отбор без проверки использовать нельзя.

Последняя открытая версия вышла в мар 2022. Семейство давно не обновлялось: это не значит, что модель не работает, но свежих исправлений и новых размеров ждать не стоит.

Разработчик: Microsoft, США
Первый выпуск: мар 2022
Последний выпуск: мар 2022
Размеры: версии base и large
Лицензия: Коммерция с условиямиMIT по репозиторию microsoft/unilm; на карточках Hugging Face лицензия не указана
Запуск: Через свой серверРаботает и без видеокарты
Сферы: Документы и бухгалтерия, HR

Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

Сортировка входящих документов кандидатов по типам
Проверка комплектности пакета документов
Поиск нужного скана в архиве

Где применяется

HR и кадровый учётДокументооборотАрхивы

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии

подходит

1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии

нет версий

КластерСервер с несколькими видеокартами — флагманские версии

нет версий

Версии

мар 2022DiT, дообученная на RVL-CDIP, 16 типов документов
мар 2022DiT-base и DiT-large

Как запустить

На своём сервереВеса скачиваются с Hugging Face, запуск — через vLLM (нагрузка и API) или llama.cpp (скромное железо). Так модель работает в закрытом контуре, без оплаты за запросы.Hugging Face

Сколько нужно железаПосчитайте видеопамять под нужный размер модели, контекст и число одновременных запросов.Открыть калькулятор железа

Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам.

Частые вопросы

Можно ли использовать DiT (Document Image Transformer) в коммерческом проекте?

С условиями. Лицензия: MIT по репозиторию microsoft/unilm; на карточках Hugging Face лицензия не указана. Ограничения бывают разными — регион, выручка компании, требование указывать авторство. Перед коммерческим запуском проверьте условия с юристом.

Какое железо нужно для DiT (Document Image Transformer)?

Минимум: Ноутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии. Есть версии, которые работают и без видеокарты, на обычном процессоре. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.

Поддерживает ли DiT (Document Image Transformer) русский язык?

Для этой модели язык не важен: она работает не с текстом.

Где скачать DiT (Document Image Transformer) и сколько это стоит?

Веса DiT (Document Image Transformer) лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.

Как внедряю у заказчика

ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.