GOT-OCR2.0

GOT-OCR2.0是一个面向通用场景的端到端OCR模型，旨在统一处理文本检测、识别、版面分析与文档理解等多任务。其核心采用视觉-语言联合建模架构，支持高精度中英文混合识别、表格结构解析、数学公式识别及多模态指令驱动的图文理解，具备零样本泛化能力与轻量化部署支持（ONNX/MNN/llama.cpp）。项目已集成至Hugging Face Transformers和PaddleMIX生态，适用于金融单据、学术论文、工业表单等复杂文档自动化处理场景。