Google 的 Pix2Struct是一种用于理解视觉情境语言的预训练图像到文本模型。该模型使用新颖的学习技术进行训练，将网页的屏幕截图解析为简化的HTML，为一系列下游活动提供非常适合的预训练数据源。

Go to file

pice35408784b54431987c4d13c457b9cd ddc975de87 Add .gitattributes Signed-off-by: pice35408784b54431987c4d13c457b9cd <c457b9cd@leinao.ai>		2024-09-25 15:28:34 +08:00
.gitattributes	Add .gitattributes	2024-09-25 15:28:34 +08:00
README.md	Initial commit	2024-09-25 15:28:34 +08:00

pix2struct-large

Google 的 Pix2Struct是一种用于理解视觉情境语言的预训练图像到文本模型。 该模型使用新颖的学习技术进行训练，将网页的屏幕截图解析为简化的HTML，为一系列下游活动提供非常适合的预训练数据源。