3 repositorios
Awesome GitHub RepositoriesDocument Layout Bounding Box Extractors
Returns precise coordinates for every text line and table cell, preserving document layout for downstream geometric and visual analysis.
Distinct from Spatial Bounding Box Management: Distinct from Spatial Bounding Box Management: focuses on extracting bounding boxes from document layouts, not geospatial clipping or membership tests.
Explore 3 awesome GitHub repositories matching scientific & mathematical computing · Document Layout Bounding Box Extractors. Refine with filters or upvote what's useful.
Awesome Document Layout Bounding Box Extractors GitHub Repositories
Encuentra los mejores repositorios con IA.Buscaremos los repositorios que mejor coincidan usando IA.
- run-llama/liteparse
run-llama/liteparse
10,782Ver en GitHubA fast, helpful, and open-source document parser
Returns precise coordinates for every text line and table cell, preserving document layout for downstream analysis.
Rustdocument-ocrdocument-processingocr - grobidorg/grobid
grobidOrg/grobid
4,954Ver en GitHubGrobid es un sistema de aprendizaje automático diseñado para transformar publicaciones académicas y científicas en PDF a XML estructurado. Funciona como un analizador de PDF a XML y extractor de metadatos académicos, identificando y normalizando títulos, autores, afiliaciones y referencias bibliográficas de trabajos de investigación. El sistema utiliza un segmentador de documentos de aprendizaje profundo para dividir los PDF sin procesar en regiones funcionales y emplea un resolvedor de referencias bibliográficas para hacer coincidir las citas con registros externos para el enriquecimiento de metadatos y la resolución de DOI. Admite una canalización completa de entrenamiento de modelos de aprendizaje automático, lo que permite la generación de corpus de entrenamiento anotados, reentrenamiento de modelos y la exportación de binarios de modelos. El proyecto cubre una amplia gama de capacidades de extracción, incluyendo el análisis de encabezados de documentos, estructuración del cuerpo del texto completo y la identificación de entidades específicas del dominio como información de financiación y citas de patentes. También proporciona herramientas de análisis espacial para la extracción de cuadros delimitadores y mapeo de coordenadas para sincronizar etiquetas semánticas con el diseño original del PDF. La aplicación se puede desplegar a través de imágenes contenedorizadas e incluye utilidades de línea de comandos para el procesamiento por lotes multiproceso de grandes colecciones de documentos.
Extracts bounding box coordinates and font styles to improve the accuracy of structural document recognition.
Javabibliographical-referencescrfdeep-learning - arthurhub/html-renderer
ArthurHub/HTML-Renderer
1,379Ver en GitHubHTML-Renderer is a managed C# library that processes HTML and CSS content to render desktop user interfaces, generate image files, and export PDF documents. Built entirely in managed code without external native dependencies, the library parses markup into a structured document object model, applies cascading style rules, and computes virtual box layouts directly in memory. The rendering pipeline features a direct bitmap rasterisation engine that draws styled layouts straight onto graphics targets and document canvases, along with a dedicated pagination engine that splits continuous layouts a
Computes element dimensions and coordinates entirely in memory to prepare content for drawing surfaces.
C#
