MonkeyOCRv2

MonkeyOCRv2 是一个面向文档理解的视觉基础模型，专为文本密集型文档图像设计。其核心是文档原生的视觉编码器（Vision Encoder），基于 ViT 及 ViTAEv2 架构，支持多语言文本识别、文档解析、公式识别、篡改检测、场景文字检测与重叠文本分割等任务；具备细粒度文本建模能力、跨任务表征学习与跨语言泛化能力。适用于金融票据、政务公文、学术论文、多语种扫描件等结构复杂、版式多样的文档智能处理场景。