[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-93295":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":16,"subscribersCount":16,"size":16,"stars1d":16,"stars7d":17,"stars30d":17,"stars90d":16,"forks30d":16,"starsTrendScore":16,"compositeScore":18,"rankGlobal":10,"rankLanguage":10,"license":10,"archived":19,"fork":19,"defaultBranch":20,"hasWiki":19,"hasPages":19,"topics":21,"createdAt":10,"pushedAt":10,"updatedAt":22,"readmeContent":23,"aiSummary":24,"trendingCount":16,"starSnapshotCount":16,"syncStatus":14,"lastSyncTime":25,"discoverSource":26},93295,"MonkeyOCRv2","Yuliang-Liu\u002FMonkeyOCRv2","Yuliang-Liu","MonkeyOCRv2 Vision Encoder — A Document-Native Visual Backbone","",null,"Python",180,25,2,1,0,69,68.14,false,"main",[],"2026-07-22 04:02:08","\u003Cdiv align=\"center\" xmlns=\"http:\u002F\u002Fwww.w3.org\u002F1999\u002Fhtml\">\n\u003Ch2>\n\u003Cb>MonkeyOCRv2: A Visual-Text Foundation Model for Document AI\u003C\u002Fb>\n\u003C\u002Fh2>\n\n[![arXiv](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FArxiv-MonkeyOCRv2-b31b1b.svg?logo=arXiv)](https:\u002F\u002Farxiv.org\u002Fabs\u002F2607.11562)\n[![MonkeyOCRv2](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FMonkeyOCRv2-black.svg?logo=Huggingface)](https:\u002F\u002Fhuggingface.co\u002Fcollections\u002Fzenosai\u002Fmonkeyocrv2)\n[![MonkeyDocv2](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FMonkeyDoc_v2-blue.svg?logo=ModelScope)](https:\u002F\u002Fmodelscope.cn\u002Fdatasets\u002Fzenosai\u002FMonkeyDocv2)\n[![GitHub issues](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues\u002FYuliang-Liu\u002FMonkeyOCRv2?color=critical&label=Issues)](https:\u002F\u002Fgithub.com\u002FYuliang-Liu\u002FMonkeyOCRv2\u002Fissues?q=is%3Aopen+is%3Aissue)\n[![GitHub closed issues](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues-closed\u002FYuliang-Liu\u002FMonkeyOCRv2?color=success&label=Issues)](https:\u002F\u002Fgithub.com\u002FYuliang-Liu\u002FMonkeyOCRv2\u002Fissues?q=is%3Aissue+is%3Aclosed)\n[![Demo](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDemo-white.svg)](http:\u002F\u002Fvlrlabmonkey.xyz:8891\u002F)\n\n\u003Cimg src=\"asserts\u002Foverview.png?raw=true\" width=\"600\"\u002F>\n\u003C\u002Fdiv>\n\n## News\n* `2026.07.11` 🚀 We release [MonkeyOCRv2](https:\u002F\u002Fgithub.com\u002FYuliang-Liu\u002FMonkeyOCRv2), including MonkeyOCRv2 vision encoder, MonkeyOCRv2-Parsing for multilingual document parsing, MonkeyOCRv2-Und for efficient document understanding.\n\n## Introduction\nMonkeyOCRv2 is a text-centric visual foundation model that unifies fine-grained text modeling, cross-task representation learning, and cross-lingual generalization in a single encoder. MonkeyOCRv2 generalizes effectively across a broad range of OCR and document intelligence tasks, including multilingual document parsing, document understanding, text recognition, formula recognition, document tampering detection, scene text detection, and overlapping text segmentation.\n\n\n## Model Zoo\n\n#### 1. Vision Encoder\n\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Model\u003C\u002Fth>\n      \u003Cth>Backbone\u003C\u002Fth>\n      \u003Cth>Params\u003C\u002Fth>\n      \u003Cth>Pretraining\u003Cbr>Resolution\u003C\u002Fth>\n      \u003Cth>Applicable Tasks\u003C\u002Fth>\n      \u003Cth>Checkpoint Link\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>Monkey\u003Cbr>OCRv2-S\u003C\u002Ftd>\u003Ctd>ViT-S\u003C\u002Ftd>\u003Ctd>28M\u003C\u002Ftd>\u003Ctd>1280*28*28\u003C\u002Ftd>\u003Ctd>Recognition \u002F Parsing \u002F Understanding\u003C\u002Ftd>\u003Ctd>\u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fzenosai\u002FMonkeyOCRv2-S\">🤗HuggingFace\u003C\u002Fa>\u003Cbr>\u003Ca href=\"https:\u002F\u002Fmodelscope.cn\u002Fmodels\u002Fzenosai\u002FMonkeyOCRv2-S\">🤖ModelScope\u003C\u002Fa>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Monkey\u003Cbr>OCRv2-B\u003C\u002Ftd>\u003Ctd>ViT-B\u003C\u002Ftd>\u003Ctd>113M\u003C\u002Ftd>\u003Ctd>1280*28*28\u003C\u002Ftd>\u003Ctd>Recognition \u002F Parsing \u002F Understanding\u003C\u002Ftd>\u003Ctd>\u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fzenosai\u002FMonkeyOCRv2-B\">🤗HuggingFace\u003C\u002Fa>\u003Cbr>\u003Ca href=\"https:\u002F\u002Fmodelscope.cn\u002Fmodels\u002Fzenosai\u002FMonkeyOCRv2-B\">🤖ModelScope\u003C\u002Fa>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Monkey\u003Cbr>OCRv2-AS\u003C\u002Ftd>\u003Ctd>ViTAEv2-S\u003C\u002Ftd>\u003Ctd>21M\u003C\u002Ftd>\u003Ctd>1760*32*32\u003C\u002Ftd>\u003Ctd>Detection \u002F Segmentation\u003C\u002Ftd>\u003Ctd>\u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fzenosai\u002FMonkeyOCRv2-AS\">🤗HuggingFace\u003C\u002Fa>\u003Cbr>\u003Ca href=\"https:\u002F\u002Fmodelscope.cn\u002Fmodels\u002Fzenosai\u002FMonkeyOCRv2-AS\">🤖ModelScope\u003C\u002Fa>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n#### 2. Document Parsing Model\n\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Model\u003C\u002Fth>\n      \u003Cth>Link\u003C\u002Fth>\n      \u003Cth>Total Params\u003C\u002Fth>\n      \u003Cth>ViT\u003C\u002Fth>\n      \u003Cth>LLM\u003C\u002Fth>\n      \u003Cth>All\u003C\u002Fth>\n      \u003Cth>Digit.\u003C\u002Fth>\n      \u003Cth>Photo.\u003C\u002Fth>\n      \u003Cth>Latin Avg.\u003C\u002Fth>\n      \u003Cth>DE\u003C\u002Fth>\n      \u003Cth>EN\u003C\u002Fth>\n      \u003Cth>ES\u003C\u002Fth>\n      \u003Cth>FR\u003C\u002Fth>\n      \u003Cth>ID\u003C\u002Fth>\n      \u003Cth>IT\u003C\u002Fth>\n      \u003Cth>NL\u003C\u002Fth>\n      \u003Cth>PT\u003C\u002Fth>\n      \u003Cth>VI\u003C\u002Fth>\n      \u003Cth>Non-Latin Avg.\u003C\u002Fth>\n      \u003Cth>AR\u003C\u002Fth>\n      \u003Cth>HI\u003C\u002Fth>\n      \u003Cth>JP\u003C\u002Fth>\n      \u003Cth>KO\u003C\u002Fth>\n      \u003Cth>RU\u003C\u002Fth>\n      \u003Cth>TH\u003C\u002Fth>\n      \u003Cth>ZH\u003C\u002Fth>\n      \u003Cth>ZH-T\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>MonkeyOCRv2-S-Parsing\u003C\u002Ftd>\u003Ctd>\u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fzenosai\u002FMonkeyOCRv2-S-Parsing\">HuggingFace\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fmodelscope.cn\u002Fmodels\u002Fzenosai\u002FMonkeyOCRv2-S-Parsing\">ModelScope\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd>0.6B\u003C\u002Ftd>\n      \u003Ctd>0.03B\u003C\u002Ftd>\n      \u003Ctd>0.6B\u003C\u002Ftd>\n      \u003Ctd>82.5\u003C\u002Ftd>\n      \u003Ctd>87.9\u003C\u002Ftd>\n      \u003Ctd>80.7\u003C\u002Ftd>\n      \u003Ctd>83.2\u003C\u002Ftd>\n      \u003Ctd>87.3\u003C\u002Ftd>\n      \u003Ctd>83.6\u003C\u002Ftd>\n      \u003Ctd>76.8\u003C\u002Ftd>\n      \u003Ctd>73.6\u003C\u002Ftd>\n      \u003Ctd>85.4\u003C\u002Ftd>\n      \u003Ctd>87.2\u003C\u002Ftd>\n      \u003Ctd>85.5\u003C\u002Ftd>\n      \u003Ctd>87.4\u003C\u002Ftd>\n      \u003Ctd>81.9\u003C\u002Ftd>\n      \u003Ctd>81.7\u003C\u002Ftd>\n      \u003Ctd>91.2\u003C\u002Ftd>\n      \u003Ctd>87.1\u003C\u002Ftd>\n      \u003Ctd>69.9\u003C\u002Ftd>\n      \u003Ctd>88.7\u003C\u002Ftd>\n      \u003Ctd>78.0\u003C\u002Ftd>\n      \u003Ctd>79.8\u003C\u002Ftd>\n      \u003Ctd>84.4\u003C\u002Ftd>\n      \u003Ctd>74.7\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>MonkeyOCRv2-B-Parsing\u003C\u002Ftd>\u003Ctd>\u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fzenosai\u002FMonkeyOCRv2-B-Parsing\">HuggingFace\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fmodelscope.cn\u002Fmodels\u002Fzenosai\u002FMonkeyOCRv2-B-Parsing\">ModelScope\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd>0.7B\u003C\u002Ftd>\n      \u003Ctd>0.1B\u003C\u002Ftd>\n      \u003Ctd>0.6B\u003C\u002Ftd>\n      \u003Ctd>83.3\u003C\u002Ftd>\n      \u003Ctd>88.1\u003C\u002Ftd>\n      \u003Ctd>81.7\u003C\u002Ftd>\n      \u003Ctd>84.2\u003C\u002Ftd>\n      \u003Ctd>87.7\u003C\u002Ftd>\n      \u003Ctd>84.5\u003C\u002Ftd>\n      \u003Ctd>75.2\u003C\u002Ftd>\n      \u003Ctd>78.4\u003C\u002Ftd>\n      \u003Ctd>86.5\u003C\u002Ftd>\n      \u003Ctd>88.6\u003C\u002Ftd>\n      \u003Ctd>86.1\u003C\u002Ftd>\n      \u003Ctd>87.9\u003C\u002Ftd>\n      \u003Ctd>83.2\u003C\u002Ftd>\n      \u003Ctd>82.1\u003C\u002Ftd>\n      \u003Ctd>90.7\u003C\u002Ftd>\n      \u003Ctd>87.2\u003C\u002Ftd>\n      \u003Ctd>71.9\u003C\u002Ftd>\n      \u003Ctd>87.6\u003C\u002Ftd>\n      \u003Ctd>80.1\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>80.8\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>83.6\u003C\u002Ftd>\n      \u003Ctd>75.3\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\n#### 3. Document Understanding Model\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Model\u003C\u002Fth>\n      \u003Cth>Link\u003C\u002Fth>\n      \u003Cth>Total Params\u003C\u002Fth>\n      \u003Cth>Overall\u003C\u002Fth>\n      \u003Cth>DocVQA\u003C\u002Fth>\n      \u003Cth>InfoVQA\u003C\u002Fth>\n      \u003Cth>DF\u003C\u002Fth>\n      \u003Cth>KLC\u003C\u002Fth>\n      \u003Cth>WTQ\u003C\u002Fth>\n      \u003Cth>ChartQA\u003C\u002Fth>\n      \u003Cth>DT-VQA\u003C\u002Fth>\n      \u003Cth>OCRBench\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n    \u003Ctr>\n      \u003Ctd>MonkeyOCRv2-S-Und\u003C\u002Ftd>\u003Ctd>\u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fzenosai\u002FMonkeyOCRv2-S-Und\">HuggingFace\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fmodelscope.cn\u002Fmodels\u002Fzenosai\u002FMonkeyOCRv2-S-Und\">ModelScope\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd>1.7B\u003C\u002Ftd>\n      \u003Ctd>55.9\u003C\u002Ftd>\n      \u003Ctd>79.3\u003C\u002Ftd>\n      \u003Ctd>44.5\u003C\u002Ftd>\n      \u003Ctd>65.1\u003C\u002Ftd>\n      \u003Ctd>37.6\u003C\u002Ftd>\n      \u003Ctd>43.0\u003C\u002Ftd>\n      \u003Ctd>62.0\u003C\u002Ftd>\n      \u003Ctd>63.1\u003C\u002Ftd>\n      \u003Ctd>52.2\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>MonkeyOCRv2-B-Und\u003C\u002Ftd>\u003Ctd>\u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fzenosai\u002FMonkeyOCRv2-B-Und\">HuggingFace\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fmodelscope.cn\u002Fmodels\u002Fzenosai\u002FMonkeyOCRv2-B-Und\">ModelScope\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd>1.8B\u003C\u002Ftd>\n      \u003Ctd>57.2\u003C\u002Ftd>\n      \u003Ctd>79.3\u003C\u002Ftd>\n      \u003Ctd>46.3\u003C\u002Ftd>\n      \u003Ctd>65.8\u003C\u002Ftd>\n      \u003Ctd>38.2\u003C\u002Ftd>\n      \u003Ctd>43.2\u003C\u002Ftd>\n      \u003Ctd>62.0\u003C\u002Ftd>\n      \u003Ctd>64.3\u003C\u002Ftd>\n      \u003Ctd>58.1\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\n## Quick Start\n### Vision Encoder\n#### 1. Install\nInstall transformers and flash attention:\n```bash\nconda create -n MonkeyOCRv2 python=3.10\nconda activate MonkeyOCRv2\npip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu126\npip install transformers==4.57.6\npip install flash-attn==2.7.4.post1 --no-build-isolation\npip install accelerate\npip install qwen_vl_utils\n```\n#### 2. Download Model Weights\nDownload our model from Huggingface.\n```bash\npython download_model.py -n MonkeyOCRv2-B # or MonkeyOCRv2-S \u002F MonkeyOCRv2-AS\n```\nYou can also download our model from ModelScope.\n\n```bash\npip install modelscope\npython download_model.py -t modelscope -n MonkeyOCRv2-B # or MonkeyOCRv2-S \u002F MonkeyOCRv2-AS\n```\n#### 3. Extract Image Feature\n```bash\ncd vision\n# For MonkeyOCRv2-B and MonkeyOCRv2-S\npython extract_feature.py\n# For MonkeyOCRv2-AS\npython extract_feature_vitae.py\n```\n\n### Document Parsing\n#### 1. Install\nInstall vLLM following its [official guide](https:\u002F\u002Fdocs.vllm.ai\u002Fen\u002Fv0.11.2\u002Fgetting_started\u002Finstallation\u002Fgpu\u002F):\n```bash\nconda create -n MonkeyOCRv2Parsing python=3.10\nconda activate MonkeyOCRv2Parsing\npip install uv\nuv pip install vllm==0.11.2 --torch-backend=auto -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple requests\npip install -r parsing\u002Frequirements.txt\n```\n\n#### 2. Download Model Weights\nDownload our model from Huggingface.\n```bash\npython download_model.py -n MonkeyOCRv2-B-Parsing # or MonkeyOCRv2-S-Parsing\n```\nYou can also download our model from ModelScope.\n\n```bash\npip install modelscope\npython download_model.py -t modelscope -n MonkeyOCRv2-B-Parsing # or MonkeyOCRv2-S-Parsing\n```\n\n#### 3. Inference\nParse a single document or a directory containing PDFs or images:\n```bash\ncd parsing\npython parse.py \\\n    -i ..\u002Fimages_test\u002Far.JPEG \\\n    -o output\u002Ftest \\\n    -m ..\u002Fmodel_weight\u002FMonkeyOCRv2-B-Parsing \\\n    -g 500 \\\n    --draw-layout \\\n    --skip-processed\n# Show help messages\npython parse.py -h\n```\n\n#### 4. Web Demo\nStart gradio web demo:\n```bash\ncd parsing\npython demo\u002Fgradio_demo.py \\\n    --model-path ..\u002Fmodel_weight\u002FMonkeyOCRv2-B-Parsing \\\n    --output-dir output\u002Fdemo_outputs\n```\n\n### Document Understanding\n#### 1. Install\nSee install part of MonkeyOCRv2.\n\n#### 2. Download Model Weights\nDownload our model from Huggingface.\n```bash\npython download_model.py -n MonkeyOCRv2-B-Und # or MonkeyOCRv2-S-Und\n```\nYou can also download our model from ModelScope.\n\n```bash\npip install modelscope\npython download_model.py -t modelscope -n MonkeyOCRv2-B-Und # or MonkeyOCRv2-S-Und\n```\n#### 3. Inference\n```bash\ncd understanding\npython infer.py \\\n    -m ..\u002Fmodel_weight\u002FMonkeyOCRv2-B-Und \\\n    -i ..\u002Fimages_test\u002Fvqa.png \\\n    -q 'What is the serving size?'\n# Show help messages\npython infer.py -h\n```\n\n## Visualization\n\nOur model supports robust document parsing in real-world scenarios across 17 languages, including Simplified Chinese (ZH), Traditional Chinese (ZH-T), English (EN), Arabic (AR), German (DE), Spanish (ES), French (FR), Hindi (HI), Indonesian (ID), Italian (IT), Japanese (JP), Korean (KO), Dutch (NL), Portuguese (PT), Russian (RU), Thai (TH), and Vietnamese (VI).\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"asserts\u002FVisualization.gif?raw=true\" width=\"600\"\u002F>\n\u003C\u002Fp>\n\n## Evaluation Results\n\n#### 1. Text recognition results on Common Benchmarks, Union14M-Benchmark, OST, and Chinese Benchmarks. We follow the training and evaluation protocols of [OpenOCR](https:\u002F\u002Fgithub.com\u002FTopdu\u002FOpenOCR\u002Fblob\u002Fmain\u002Fdocs\u002Fsvtrv2.md).\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth rowspan=\"2\">Model\u003C\u002Fth>\n      \u003Cth rowspan=\"2\">\u003Cstrong>Overall\u003C\u002Fstrong>\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\" colspan=\"8\">Union14M-Benchmark\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\" colspan=\"5\">Chinese Benchmarks\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\" rowspan=\"2\">Occlusion SceneText\u003C\u002Fth>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Cth>\u003Cstrong>Avg\u003C\u002Fth>\n      \u003Cth>Artistic\u003C\u002Fth>\n      \u003Cth>Context less\u003C\u002Fth>\n      \u003Cth>Curve\u003C\u002Fth>\n      \u003Cth>General\u003C\u002Fth>\n      \u003Cth>Multi Oriented\u003C\u002Fth>\n      \u003Cth>Multi Words \u003C\u002Fth>\n      \u003Cth>Saliency\u003C\u002Fth>\n      \u003Cth>\u003Cstrong>Avg\u003C\u002Fth>\n      \u003Cth>Scene\u003C\u002Fth>\n      \u003Cth>Web\u003C\u002Fth>\n      \u003Cth>Document\u003C\u002Fth>\n      \u003Cth>Hand writing\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>ABINet\u003C\u002Ftd>\n      \u003Ctd>73.7\u003C\u002Ftd>\n      \u003Ctd>75.7\u003C\u002Ftd>\u003Ctd>71.7\u003C\u002Ftd>\u003Ctd>74.7\u003C\u002Ftd>\u003Ctd>80.4\u003C\u002Ftd>\u003Ctd>79.8\u003C\u002Ftd>\u003Ctd>69.0\u003C\u002Ftd>\u003Ctd>76.8\u003C\u002Ftd>\u003Ctd>77.6\u003C\u002Ftd>\n      \u003Ctd>70.3\u003C\u002Ftd>\u003Ctd>66.6\u003C\u002Ftd>\u003Ctd>63.2\u003C\u002Ftd>\u003Ctd>98.2\u003C\u002Ftd>\u003Ctd>53.1\u003C\u002Ftd>\n      \u003Ctd>75.0\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>MAERec\u003C\u002Ftd>\n      \u003Ctd>81.6\u003C\u002Ftd>\n      \u003Ctd>85.2\u003C\u002Ftd>\u003Ctd>79.0\u003C\u002Ftd>\u003Ctd>84.2\u003C\u002Ftd>\u003Ctd>89.1\u003C\u002Ftd>\u003Ctd>84.6\u003C\u002Ftd>\u003Ctd>87.1\u003C\u002Ftd>\u003Ctd>85.9\u003C\u002Ftd>\u003Ctd>86.3\u003C\u002Ftd>\n      \u003Ctd>83.1\u003C\u002Ftd>\u003Ctd>84.4\u003C\u002Ftd>\u003Ctd>83.0\u003C\u002Ftd>\u003Ctd>\u003Cb>99.5\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>65.6\u003C\u002Ftd>\n      \u003Ctd>76.4\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>CPPD\u003C\u002Ftd>\n      \u003Ctd>80.4\u003C\u002Ftd>\n      \u003Ctd>81.9\u003C\u002Ftd>\u003Ctd>76.5\u003C\u002Ftd>\u003Ctd>82.9\u003C\u002Ftd>\u003Ctd>86.2\u003C\u002Ftd>\u003Ctd>83.5\u003C\u002Ftd>\u003Ctd>78.7\u003C\u002Ftd>\u003Ctd>81.9\u003C\u002Ftd>\u003Ctd>83.5\u003C\u002Ftd>\n      \u003Ctd>81.7\u003C\u002Ftd>\u003Ctd>82.7\u003C\u002Ftd>\u003Ctd>82.4\u003C\u002Ftd>\u003Ctd>99.4\u003C\u002Ftd>\u003Ctd>62.3\u003C\u002Ftd>\n      \u003Ctd>79.6\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>IGTR-AR\u003C\u002Ftd>\n      \u003Ctd>81.0\u003C\u002Ftd>\n      \u003Ctd>84.9\u003C\u002Ftd>\u003Ctd>77.0\u003C\u002Ftd>\u003Ctd>82.4\u003C\u002Ftd>\u003Ctd>90.4\u003C\u002Ftd>\u003Ctd>84.4\u003C\u002Ftd>\u003Ctd>91.2\u003C\u002Ftd>\u003Ctd>84.0\u003C\u002Ftd>\u003Ctd>84.7\u003C\u002Ftd>\n      \u003Ctd>81.7\u003C\u002Ftd>\u003Ctd>82.0\u003C\u002Ftd>\u003Ctd>81.7\u003C\u002Ftd>\u003Ctd>\u003Cb>99.5\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>63.8\u003C\u002Ftd>\n      \u003Ctd>76.3\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>SMTR\u003C\u002Ftd>\n      \u003Ctd>80.4\u003C\u002Ftd>\n      \u003Ctd>85.0\u003C\u002Ftd>\u003Ctd>76.8\u003C\u002Ftd>\u003Ctd>83.9\u003C\u002Ftd>\u003Ctd>89.1\u003C\u002Ftd>\u003Ctd>83.7\u003C\u002Ftd>\u003Ctd>87.7\u003C\u002Ftd>\u003Ctd>\u003Cb>89.3\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>84.6\u003C\u002Ftd>\n      \u003Ctd>82.7\u003C\u002Ftd>\u003Ctd>83.4\u003C\u002Ftd>\u003Ctd>83.0\u003C\u002Ftd>\u003Ctd>99.3\u003C\u002Ftd>\u003Ctd>65.1\u003C\u002Ftd>\n      \u003Ctd>73.5\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>SVTRv2\u003C\u002Ftd>\n      \u003Ctd>83.1\u003C\u002Ftd>\n      \u003Ctd>86.1\u003C\u002Ftd>\u003Ctd>\u003Cb>79.3\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>86.1\u003C\u002Ftd>\u003Ctd>90.6\u003C\u002Ftd>\u003Ctd>85.1\u003C\u002Ftd>\u003Ctd>89.0\u003C\u002Ftd>\u003Ctd>86.7\u003C\u002Ftd>\u003Ctd>86.2\u003C\u002Ftd>\n      \u003Ctd>83.3\u003C\u002Ftd>\u003Ctd>83.5\u003C\u002Ftd>\u003Ctd>\u003Cb>83.3\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>\u003Cb>99.5\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>67.0\u003C\u002Ftd>\n      \u003Ctd>80.0\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd colspan=\"16\"> \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>CRNN (ResNet)\u003C\u002Ftd>\n      \u003Ctd>58.7\u003C\u002Ftd>\n      \u003Ctd>49.2\u003C\u002Ftd>\u003Ctd>51.2\u003C\u002Ftd>\u003Ctd>62.3\u003C\u002Ftd>\u003Ctd>48.1\u003C\u002Ftd>\u003Ctd>68.2\u003C\u002Ftd>\u003Ctd>13.0\u003C\u002Ftd>\u003Ctd>60.4\u003C\u002Ftd>\u003Ctd>41.4\u003C\u002Ftd>\n      \u003Ctd>68.8\u003C\u002Ftd>\u003Ctd>63.8\u003C\u002Ftd>\u003Ctd>68.2\u003C\u002Ftd>\u003Ctd>97.0\u003C\u002Ftd>\u003Ctd>46.1\u003C\u002Ftd>\n      \u003Ctd>58.0\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>CRNN (MonkeyOCRv2-S)\u003C\u002Ftd>\n      \u003Ctd>67.3\u003C\u002Ftd>\n      \u003Ctd>65.2\u003C\u002Ftd>\u003Ctd>63.7\u003C\u002Ftd>\u003Ctd>73.0\u003C\u002Ftd>\u003Ctd>71.1\u003C\u002Ftd>\u003Ctd>74.5\u003C\u002Ftd>\u003Ctd>28.6\u003C\u002Ftd>\u003Ctd>72.1\u003C\u002Ftd>\u003Ctd>73.4\u003C\u002Ftd>\n      \u003Ctd>74.2\u003C\u002Ftd>\u003Ctd>73.0\u003C\u002Ftd>\u003Ctd>74.9\u003C\u002Ftd>\u003Ctd>96.9\u003C\u002Ftd>\u003Ctd>51.8\u003C\u002Ftd>\n      \u003Ctd>62.4\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>PARSeq (ViT)\u003C\u002Ftd>\n      \u003Ctd>82.2\u003C\u002Ftd>\n      \u003Ctd>84.3\u003C\u002Ftd>\u003Ctd>76.5\u003C\u002Ftd>\u003Ctd>83.4\u003C\u002Ftd>\u003Ctd>87.6\u003C\u002Ftd>\u003Ctd>84.9\u003C\u002Ftd>\u003Ctd>88.8\u003C\u002Ftd>\u003Ctd>84.3\u003C\u002Ftd>\u003Ctd>84.4\u003C\u002Ftd>\n      \u003Ctd>82.4\u003C\u002Ftd>\u003Ctd>84.2\u003C\u002Ftd>\u003Ctd>82.8\u003C\u002Ftd>\u003Ctd>\u003Cb>99.5\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>63.0\u003C\u002Ftd>\n      \u003Ctd>79.9\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>PARSeq (MonkeyOCRv2-S)\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>84.3\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>87.6\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>78.6\u003C\u002Ftd>\u003Ctd>\u003Cb>86.4\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>\u003Cb>92.1\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>\u003Cb>85.4\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>\u003Cb>93.9\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>88.7\u003C\u002Ftd>\u003Ctd>\u003Cb>87.7\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>83.7\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>\u003Cb>84.6\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>83.2\u003C\u002Ftd>\u003Ctd>\u003Cb>99.5\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>\u003Cb>67.3\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>81.5\u003C\u002Fb>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\n#### 2. Formula recognition results on [OmniDocBench 1.6](https:\u002F\u002Fgithub.com\u002Fopendatalab\u002FOmniDocBench), [MathWriting](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2404.10690), and [UniMER-Test](https:\u002F\u002Fgithub.com\u002Fopendatalab\u002Funimernet).\n\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth rowspan=\"2\">Model\u003C\u002Fth>\n      \u003Cth rowspan=\"2\">Params\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\" colspan=\"2\">Overall\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\" colspan=\"2\">OmniDocBench 1.6\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\" colspan=\"2\">MathWriting\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\" colspan=\"2\">SPE\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\" colspan=\"2\">CPE\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\" colspan=\"2\">HWE\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\" colspan=\"2\">SCE\u003C\u002Fth>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Cth>CDM\u003C\u002Fth>\n      \u003Cth>ExpRate\u003C\u002Fth>\n      \u003Cth>CDM\u003C\u002Fth>\n      \u003Cth>ExpRate\u003C\u002Fth>\n      \u003Cth>CDM\u003C\u002Fth>\n      \u003Cth>ExpRate\u003C\u002Fth>\n      \u003Cth>CDM\u003C\u002Fth>\n      \u003Cth>ExpRate\u003C\u002Fth>\n      \u003Cth>CDM\u003C\u002Fth>\n      \u003Cth>ExpRate\u003C\u002Fth>\n      \u003Cth>CDM\u003C\u002Fth>\n      \u003Cth>ExpRate\u003C\u002Fth>\n      \u003Cth>CDM\u003C\u002Fth>\n      \u003Cth>ExpRate\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>Pix2tex\u003C\u002Ftd>\n      \u003Ctd>25.5M\u003C\u002Ftd>\n      \u003Ctd>53.8\u003C\u002Ftd>\n      \u003Ctd>23.3\u003C\u002Ftd>\n      \u003Ctd>69.4\u003C\u002Ftd>\u003Ctd>27.0\u003C\u002Ftd>\n      \u003Ctd>0.4\u003C\u002Ftd>\u003Ctd>0.0\u003C\u002Ftd>\n      \u003Ctd>96.2\u003C\u002Ftd>\u003Ctd>72.4\u003C\u002Ftd>\n      \u003Ctd>64.9\u003C\u002Ftd>\u003Ctd>7.1\u003C\u002Ftd>\n      \u003Ctd>24.5\u003C\u002Ftd>\u003Ctd>0.6\u003C\u002Ftd>\n      \u003Ctd>67.6\u003C\u002Ftd>\u003Ctd>32.8\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Texify\u003C\u002Ftd>\n      \u003Ctd>312M\u003C\u002Ftd>\n      \u003Ctd>67.3\u003C\u002Ftd>\n      \u003Ctd>40.4\u003C\u002Ftd>\n      \u003Ctd>76.5\u003C\u002Ftd>\u003Ctd>46.4\u003C\u002Ftd>\n      \u003Ctd>26.6\u003C\u002Ftd>\u003Ctd>2.0\u003C\u002Ftd>\n      \u003Ctd>98.5\u003C\u002Ftd>\u003Ctd>91.0\u003C\u002Ftd>\n      \u003Ctd>70.4\u003C\u002Ftd>\u003Ctd>28.2\u003C\u002Ftd>\n      \u003Ctd>52.7\u003C\u002Ftd>\u003Ctd>23.6\u003C\u002Ftd>\n      \u003Ctd>79.3\u003C\u002Ftd>\u003Ctd>51.3\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>UniMERNet-B\u003C\u002Ftd>\n      \u003Ctd>325M\u003C\u002Ftd>\n      \u003Ctd>89.5\u003C\u002Ftd>\n      \u003Ctd>64.5\u003C\u002Ftd>\n      \u003Ctd>90.4\u003C\u002Ftd>\u003Ctd>59.5\u003C\u002Ftd>\n      \u003Ctd>63.8\u003C\u002Ftd>\u003Ctd>12.3\u003C\u002Ftd>\n      \u003Ctd>99.1\u003C\u002Ftd>\u003Ctd>93.3\u003C\u002Ftd>\n      \u003Ctd>96.0\u003C\u002Ftd>\u003Ctd>\u003Cb>80.5\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>94.0\u003C\u002Ftd>\u003Ctd>64.3\u003C\u002Ftd>\n      \u003Ctd>93.7\u003C\u002Ftd>\u003Ctd>77.0\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>UniMERNet-S\u003C\u002Ftd>\n      \u003Ctd>202M\u003C\u002Ftd>\n      \u003Ctd>89.8\u003C\u002Ftd>\n      \u003Ctd>64.0\u003C\u002Ftd>\n      \u003Ctd>90.1\u003C\u002Ftd>\u003Ctd>59.1\u003C\u002Ftd>\n      \u003Ctd>65.9\u003C\u002Ftd>\u003Ctd>12.7\u003C\u002Ftd>\n      \u003Ctd>99.1\u003C\u002Ftd>\u003Ctd>93.4\u003C\u002Ftd>\n      \u003Ctd>95.9\u003C\u002Ftd>\u003Ctd>77.7\u003C\u002Ftd>\n      \u003Ctd>93.7\u003C\u002Ftd>\u003Ctd>63.9\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>94.1\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>76.9\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd colspan=\"16\"> \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>UniMERNet-T (Swin)\u003C\u002Ftd>\n      \u003Ctd>107M\u003C\u002Ftd>\n      \u003Ctd>89.4\u003C\u002Ftd>\n      \u003Ctd>61.8\u003C\u002Ftd>\n      \u003Ctd>89.9\u003C\u002Ftd>\u003Ctd>57.2\u003C\u002Ftd>\n      \u003Ctd>65.6\u003C\u002Ftd>\u003Ctd>12.9\u003C\u002Ftd>\n      \u003Ctd>99.1\u003C\u002Ftd>\u003Ctd>92.3\u003C\u002Ftd>\n      \u003Ctd>94.9\u003C\u002Ftd>\u003Ctd>69.9\u003C\u002Ftd>\n      \u003Ctd>93.3\u003C\u002Ftd>\u003Ctd>61.9\u003C\u002Ftd>\n      \u003Ctd>93.8\u003C\u002Ftd>\u003Ctd>76.6\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>\u003Cb>UniMERNet-T (MonkeyOCRv2-S)\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>110M\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>90.9\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>66.4\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>90.8\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>\u003Cb>61.1\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>70.8\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>\u003Cb>16.2\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>99.2\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>\u003Cb>93.8\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>96.1\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>79.2\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>94.3\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>\u003Cb>69.5\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>94.0\u003C\u002Ftd>\u003Ctd>\u003Cb>78.6\u003C\u002Fb>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003C\u002Ftable>\n\n\n#### 3. Text detection results on Total-Text, CTW1500, ICDAR2015 and ArT. We follow the training and evaluation protocols of [MMOCR](https:\u002F\u002Fgithub.com\u002Fopen-mmlab\u002Fmmocr) and [DPText-DETR](https:\u002F\u002Fgithub.com\u002Fymy-k\u002FDPText-DETR).\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"asserts\u002Ftext_detection.png?raw=true\" width=\"600\"\u002F>\n\u003C\u002Fp>\n\n\n#### 4. Document tampering detection results on [DocTamper](https:\u002F\u002Fgithub.com\u002Fqcf-568\u002FDocTamper) benchmark.\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth rowspan=\"2\">Method\u003C\u002Fth>\n      \u003Cth rowspan=\"2\">Params\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\" colspan=\"2\">Overall\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\" colspan=\"4\">DocTamper-Test\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\" colspan=\"4\">DocTamper-FCD\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\" colspan=\"4\">DocTamper-SCD\u003C\u002Fth>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Cth style=\"text-align: center;\">IoU\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\">F\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\">IoU\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\">P\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\">R\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\">F\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\">IoU\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\">P\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\">R\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\">F\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\">IoU\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\">P\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\">R\u003C\u002Fth>\n      \u003Cth style=\"text-align: center;\">F\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n\u003Ctr>\n  \u003Ctd>PSCC-Net\u003C\u002Ftd>\n  \u003Ctd>5M\u003C\u002Ftd>\n  \u003Ctd>13.7\u003C\u002Ftd>\u003Ctd>31.3\u003C\u002Ftd>\u003Ctd>17.0\u003C\u002Ftd>\u003Ctd>25.0\u003C\u002Ftd>\u003Ctd>83.0\u003C\u002Ftd>\u003Ctd>39.0\u003C\u002Ftd>\n  \u003Ctd>13.0\u003C\u002Ftd>\u003Ctd>19.0\u003C\u002Ftd>\u003Ctd>82.0\u003C\u002Ftd>\u003Ctd>30.0\u003C\u002Ftd>\n  \u003Ctd>11.0\u003C\u002Ftd>\u003Ctd>15.0\u003C\u002Ftd>\u003Ctd>\u003Cb>83.0\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>25.0\u003C\u002Ftd>\n\u003C\u002Ftr>\n\n\u003Ctr>\n  \u003Ctd>UperNet\u003C\u002Ftd>\n  \u003Ctd>67M\u003C\u002Ftd>\n  \u003Ctd>49.3\u003C\u002Ftd>\u003Ctd>54.0\u003C\u002Ftd>\u003Ctd>70.0\u003C\u002Ftd>\u003Ctd>66.0\u003C\u002Ftd>\u003Ctd>60.0\u003C\u002Ftd>\u003Ctd>62.0\u003C\u002Ftd>\n  \u003Ctd>30.0\u003C\u002Ftd>\u003Ctd>57.0\u003C\u002Ftd>\u003Ctd>35.0\u003C\u002Ftd>\u003Ctd>43.0\u003C\u002Ftd>\n  \u003Ctd>48.0\u003C\u002Ftd>\u003Ctd>57.0\u003C\u002Ftd>\u003Ctd>58.0\u003C\u002Ftd>\u003Ctd>57.0\u003C\u002Ftd>\n\u003C\u002Ftr>\n\n\u003Ctr>\n  \u003Ctd>CAT-Net\u003C\u002Ftd>\n  \u003Ctd>114M\u003C\u002Ftd>\n  \u003Ctd>67.3\u003C\u002Ftd>\u003Ctd>71.0\u003C\u002Ftd>\u003Ctd>78.0\u003C\u002Ftd>\u003Ctd>75.0\u003C\u002Ftd>\u003Ctd>69.0\u003C\u002Ftd>\u003Ctd>72.0\u003C\u002Ftd>\n  \u003Ctd>66.0\u003C\u002Ftd>\u003Ctd>85.0\u003C\u002Ftd>\u003Ctd>70.0\u003C\u002Ftd>\u003Ctd>76.0\u003C\u002Ftd>\n  \u003Ctd>58.0\u003C\u002Ftd>\u003Ctd>65.0\u003C\u002Ftd>\u003Ctd>65.0\u003C\u002Ftd>\u003Ctd>65.0\u003C\u002Ftd>\n\u003C\u002Ftr>\n\n\u003Ctr>\n  \u003Ctd>Swin-UPer\u003C\u002Ftd>\n  \u003Ctd>81M\u003C\u002Ftd>\n  \u003Ctd>66.7\u003C\u002Ftd>\u003Ctd>71.7\u003C\u002Ftd>\u003Ctd>79.0\u003C\u002Ftd>\u003Ctd>75.0\u003C\u002Ftd>\u003Ctd>72.0\u003C\u002Ftd>\u003Ctd>73.0\u003C\u002Ftd>\n  \u003Ctd>64.0\u003C\u002Ftd>\u003Ctd>80.0\u003C\u002Ftd>\u003Ctd>70.0\u003C\u002Ftd>\u003Ctd>75.0\u003C\u002Ftd>\n  \u003Ctd>57.0\u003C\u002Ftd>\u003Ctd>66.0\u003C\u002Ftd>\u003Ctd>68.0\u003C\u002Ftd>\u003Ctd>67.0\u003C\u002Ftd>\n\u003C\u002Ftr>\n\n\u003Ctr>\n  \u003Ctd>SegFormer\u003C\u002Ftd>\n  \u003Ctd>85M\u003C\u002Ftd>\n  \u003Ctd>70.3\u003C\u002Ftd>\u003Ctd>74.0\u003C\u002Ftd>\u003Ctd>81.0\u003C\u002Ftd>\u003Ctd>77.0\u003C\u002Ftd>\u003Ctd>74.0\u003C\u002Ftd>\u003Ctd>75.0\u003C\u002Ftd>\n  \u003Ctd>69.0\u003C\u002Ftd>\u003Ctd>82.0\u003C\u002Ftd>\u003Ctd>74.0\u003C\u002Ftd>\u003Ctd>78.0\u003C\u002Ftd>\n  \u003Ctd>61.0\u003C\u002Ftd>\u003Ctd>68.0\u003C\u002Ftd>\u003Ctd>70.0\u003C\u002Ftd>\u003Ctd>69.0\u003C\u002Ftd>\n\u003C\u002Ftr>\n\n\u003Ctr>\n  \u003Ctd>Mask2Former\u003C\u002Ftd>\n  \u003Ctd>69M\u003C\u002Ftd>\n  \u003Ctd>69.7\u003C\u002Ftd>\u003Ctd>78.0\u003C\u002Ftd>\u003Ctd>84.0\u003C\u002Ftd>\u003Ctd>82.0\u003C\u002Ftd>\u003Ctd>83.0\u003C\u002Ftd>\u003Ctd>82.0\u003C\u002Ftd>\n  \u003Ctd>66.0\u003C\u002Ftd>\u003Ctd>81.0\u003C\u002Ftd>\u003Ctd>75.0\u003C\u002Ftd>\u003Ctd>78.0\u003C\u002Ftd>\n  \u003Ctd>59.0\u003C\u002Ftd>\u003Ctd>70.0\u003C\u002Ftd>\u003Ctd>79.0\u003C\u002Ftd>\u003Ctd>74.0\u003C\u002Ftd>\n\u003C\u002Ftr>\n\n\u003Ctr>\n  \u003Ctd>ConvNext\u003C\u002Ftd>\n  \u003Ctd>122M\u003C\u002Ftd>\n  \u003Ctd>69.7\u003C\u002Ftd>\u003Ctd>75.3\u003C\u002Ftd>\u003Ctd>84.0\u003C\u002Ftd>\u003Ctd>81.0\u003C\u002Ftd>\u003Ctd>78.0\u003C\u002Ftd>\u003Ctd>79.0\u003C\u002Ftd>\n  \u003Ctd>62.0\u003C\u002Ftd>\u003Ctd>76.0\u003C\u002Ftd>\u003Ctd>71.0\u003C\u002Ftd>\u003Ctd>74.0\u003C\u002Ftd>\n  \u003Ctd>63.0\u003C\u002Ftd>\u003Ctd>71.0\u003C\u002Ftd>\u003Ctd>74.0\u003C\u002Ftd>\u003Ctd>73.0\u003C\u002Ftd>\n\u003C\u002Ftr>\n\n\u003Ctr>\n  \u003Ctd>ConvNextV2\u003C\u002Ftd>\n  \u003Ctd>121M\u003C\u002Ftd>\n  \u003Ctd>72.7\u003C\u002Ftd>\u003Ctd>77.7\u003C\u002Ftd>\u003Ctd>86.0\u003C\u002Ftd>\u003Ctd>82.0\u003C\u002Ftd>\u003Ctd>79.0\u003C\u002Ftd>\u003Ctd>81.0\u003C\u002Ftd>\n  \u003Ctd>65.0\u003C\u002Ftd>\u003Ctd>79.0\u003C\u002Ftd>\u003Ctd>75.0\u003C\u002Ftd>\u003Ctd>77.0\u003C\u002Ftd>\n  \u003Ctd>67.0\u003C\u002Ftd>\u003Ctd>74.0\u003C\u002Ftd>\u003Ctd>76.0\u003C\u002Ftd>\u003Ctd>75.0\u003C\u002Ftd>\n\u003C\u002Ftr>\n\n\u003Ctr>\n  \u003Ctd>InternImage\u003C\u002Ftd>\n  \u003Ctd>128M\u003C\u002Ftd>\n  \u003Ctd>73.3\u003C\u002Ftd>\u003Ctd>77.7\u003C\u002Ftd>\u003Ctd>84.0\u003C\u002Ftd>\u003Ctd>81.0\u003C\u002Ftd>\u003Ctd>77.0\u003C\u002Ftd>\u003Ctd>79.0\u003C\u002Ftd>\n  \u003Ctd>72.0\u003C\u002Ftd>\u003Ctd>83.0\u003C\u002Ftd>\u003Ctd>79.0\u003C\u002Ftd>\u003Ctd>81.0\u003C\u002Ftd>\n  \u003Ctd>64.0\u003C\u002Ftd>\u003Ctd>73.0\u003C\u002Ftd>\u003Ctd>74.0\u003C\u002Ftd>\u003Ctd>73.0\u003C\u002Ftd>\n\u003C\u002Ftr>\n\n\u003Ctr>\n  \u003Ctd>ASC-Former\u003C\u002Ftd>\n  \u003Ctd>80M\u003C\u002Ftd>\n  \u003Ctd>68.2\u003C\u002Ftd>\u003Ctd>80.8\u003C\u002Ftd>\u003Ctd>81.5\u003C\u002Ftd>\u003Ctd>91.8\u003C\u002Ftd>\u003Ctd>87.8\u003C\u002Ftd>\u003Ctd>89.8\u003C\u002Ftd>\n  \u003Ctd>61.3\u003C\u002Ftd>\u003Ctd>74.9\u003C\u002Ftd>\u003Ctd>77.1\u003C\u002Ftd>\u003Ctd>76.0\u003C\u002Ftd>\n  \u003Ctd>61.9\u003C\u002Ftd>\u003Ctd>78.0\u003C\u002Ftd>\u003Ctd>75.0\u003C\u002Ftd>\u003Ctd>76.5\u003C\u002Ftd>\n\u003C\u002Ftr>\n\n\u003Ctr>\n  \u003Ctd>DTD\u003C\u002Ftd>\n  \u003Ctd>66M\u003C\u002Ftd>\n  \u003Ctd>\u003Cu>77.0\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>79.7\u003C\u002Ftd>\u003Ctd>84.0\u003C\u002Ftd>\u003Ctd>81.0\u003C\u002Ftd>\u003Ctd>77.0\u003C\u002Ftd>\u003Ctd>79.0\u003C\u002Ftd>\n  \u003Ctd>79.0\u003C\u002Ftd>\u003Ctd>88.0\u003C\u002Ftd>\u003Ctd>82.0\u003C\u002Ftd>\u003Ctd>85.0\u003C\u002Ftd>\n  \u003Ctd>\u003Cb>68.0\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>75.0\u003C\u002Ftd>\u003Ctd>76.0\u003C\u002Ftd>\u003Ctd>75.0\u003C\u002Ftd>\n\u003C\u002Ftr>\n\n\u003Ctr>\n  \u003Ctd colspan=\"14\"> \u003C\u002Ftd>\n\u003C\u002Ftr>\n\n\u003Ctr>\n  \u003Ctd>FFDN* (ViTAEv2)\u003C\u002Ftd>\n  \u003Ctd>69M\u003C\u002Ftd>\n  \u003Ctd>70.7\u003C\u002Ftd>\u003Ctd>\u003Cu>82.7\u003C\u002Fu>\u003C\u002Ftd>\n  \u003Ctd>69.4\u003C\u002Ftd>\u003Ctd>76.2\u003C\u002Ftd>\u003Ctd>88.7\u003C\u002Ftd>\u003Ctd>82.0\u003C\u002Ftd>\n  \u003Ctd>79.0\u003C\u002Ftd>\u003Ctd>\u003Cb>92.5\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>84.4\u003C\u002Ftd>\u003Ctd>88.3\u003C\u002Ftd>\n  \u003Ctd>63.6\u003C\u002Ftd>\u003Ctd>79.1\u003C\u002Ftd>\u003Ctd>76.5\u003C\u002Ftd>\u003Ctd>77.8\u003C\u002Ftd>\n\u003C\u002Ftr>\n\n\u003Ctr>\n  \u003Ctd>\u003Cb>FFDN (MonkeyOCRv2-AS)\u003C\u002Fb>\u003C\u002Ftd>\n  \u003Ctd>71M\u003C\u002Ftd>\n  \u003Ctd>\u003Cb>78.2\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>\u003Cb>87.5\u003C\u002Fb>\u003C\u002Ftd>\n  \u003Ctd>\u003Cb>87.4\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>\u003Cb>94.8\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>\u003Cb>91.8\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>\u003Cb>93.3\u003C\u002Fb>\u003C\u002Ftd>\n  \u003Ctd>\u003Cb>79.9\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>90.4\u003C\u002Ftd>\u003Ctd>\u003Cb>87.4\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>\u003Cb>88.9\u003C\u002Fb>\u003C\u002Ftd>\n  \u003Ctd>67.2\u003C\u002Ftd>\u003Ctd>\u003Cb>81.0\u003C\u002Fb>\u003C\u002Ftd>\u003Ctd>79.8\u003C\u002Ftd>\u003Ctd>\u003Cb>80.4\u003C\u002Fb>\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Cp>\u003Csmall>* denotes models trained with the ViTAEv2 pretrained by DeepSolo\u003C\u002Fsmall>\u003C\u002Fp>\n\n\n#### 5. Overlapping text segmentation results on [MOT](https:\u002F\u002Fgithub.com\u002Fwillpat1213\u002FMOTS) dataset.\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Model\u003C\u002Fth>\n      \u003Cth>\u003Cb>mIoU\u003Csub>Text\u003C\u002Fsub>\u003C\u002Fb>\u003C\u002Fth>\n      \u003Cth>IoU\u003Csub>Occ\u003C\u002Fsub>\u003C\u002Fth>\n      \u003Cth>IoU\u003Csub>Occd\u003C\u002Fsub>\u003C\u002Fth>\n      \u003Cth>IoU\u003Csub>Ov\u003C\u002Fsub>\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>Unet\u003C\u002Ftd>\n      \u003Ctd>62.2\u003C\u002Ftd>\n      \u003Ctd>80.2\u003C\u002Ftd>\n      \u003Ctd>65.7\u003C\u002Ftd>\n      \u003Ctd>40.7\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Deeplab v3\u003C\u002Ftd>\n      \u003Ctd>67.9\u003C\u002Ftd>\n      \u003Ctd>83.2\u003C\u002Ftd>\n      \u003Ctd>71.2\u003C\u002Ftd>\n      \u003Ctd>49.3\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>OCRNet\u003C\u002Ftd>\n      \u003Ctd>65.8\u003C\u002Ftd>\n      \u003Ctd>81.0\u003C\u002Ftd>\n      \u003Ctd>68.5\u003C\u002Ftd>\n      \u003Ctd>47.8\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Segformer\u003C\u002Ftd>\n      \u003Ctd>69.0\u003C\u002Ftd>\n      \u003Ctd>83.6\u003C\u002Ftd>\n      \u003Ctd>74.1\u003C\u002Ftd>\n      \u003Ctd>49.3\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>MaskFormer\u003C\u002Ftd>\n      \u003Ctd>68.4\u003C\u002Ftd>\n      \u003Ctd>83.5\u003C\u002Ftd>\n      \u003Ctd>70.3\u003C\u002Ftd>\n      \u003Ctd>51.4\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>TexRNet\u003C\u002Ftd>\n      \u003Ctd>68.9\u003C\u002Ftd>\n      \u003Ctd>84.2\u003C\u002Ftd>\n      \u003Ctd>73.2\u003C\u002Ftd>\n      \u003Ctd>49.3\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>EAFormer\u003C\u002Ftd>\n      \u003Ctd>69.1\u003C\u002Ftd>\n      \u003Ctd>83.8\u003C\u002Ftd>\n      \u003Ctd>74.2\u003C\u002Ftd>\n      \u003Ctd>50.5\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>WASNet\u003C\u002Ftd>\n      \u003Ctd>70.8\u003C\u002Ftd>\n      \u003Ctd>84.8\u003C\u002Ftd>\n      \u003Ctd>74.4\u003C\u002Ftd>\n      \u003Ctd>53.1\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd colspan=\"5\"> \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Mask2Former (ResNet)\u003C\u002Ftd>\n      \u003Ctd>70.3\u003C\u002Ftd>\n      \u003Ctd>84.7\u003C\u002Ftd>\n      \u003Ctd>73.3\u003C\u002Ftd>\n      \u003Ctd>52.8\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>\u003Cb>Mask2Former (MonkeyOCRv2-AS)\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>\u003Cu>76.6\u003C\u002Fu>\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>88.6\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>83.4\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>57.7\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>MOTS (ResNet)\u003C\u002Ftd>\n      \u003Ctd>72.6\u003C\u002Ftd>\n      \u003Ctd>85.2\u003C\u002Ftd>\n      \u003Ctd>77.5\u003C\u002Ftd>\n      \u003Ctd>54.9\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>\u003Cb>MOTS (MonkeyOCRv2-AS)\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>76.9\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>88.6\u003C\u002Fb>\u003C\u002Ftd>\n      \u003Ctd>\u003Cu>82.6\u003C\u002Fu>\u003C\u002Ftd>\n      \u003Ctd>\u003Cb>59.4\u003C\u002Fb>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n#### 6. Document parsing results on [MDPBench](https:\u002F\u002Fgithub.com\u002FYuliang-Liu\u002FMultimodalOCR\u002Ftree\u002Fmain\u002FMDPBench), a comprehensive multilingual benchmark for real-world document parsing.\n\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Model\u003C\u002Fth>\n      \u003Cth>Total Params\u003C\u002Fth>\n      \u003Cth>ViT\u003C\u002Fth>\n      \u003Cth>LLM\u003C\u002Fth>\n      \u003Cth>All\u003C\u002Fth>\n      \u003Cth>Digit.\u003C\u002Fth>\n      \u003Cth>Photo.\u003C\u002Fth>\n      \u003Cth>Latin Avg.\u003C\u002Fth>\n      \u003Cth>DE\u003C\u002Fth>\n      \u003Cth>EN\u003C\u002Fth>\n      \u003Cth>ES\u003C\u002Fth>\n      \u003Cth>FR\u003C\u002Fth>\n      \u003Cth>ID\u003C\u002Fth>\n      \u003Cth>IT\u003C\u002Fth>\n      \u003Cth>NL\u003C\u002Fth>\n      \u003Cth>PT\u003C\u002Fth>\n      \u003Cth>VI\u003C\u002Fth>\n      \u003Cth>Non-Latin Avg.\u003C\u002Fth>\n      \u003Cth>AR\u003C\u002Fth>\n      \u003Cth>HI\u003C\u002Fth>\n      \u003Cth>JP\u003C\u002Fth>\n      \u003Cth>KO\u003C\u002Fth>\n      \u003Cth>RU\u003C\u002Fth>\n      \u003Cth>TH\u003C\u002Fth>\n      \u003Cth>ZH\u003C\u002Fth>\n      \u003Cth>ZH-T\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n        \u003Ctd colspan=\"25\" class=\"section\">\n            \u003Cstrong>Closed-source VLMs\u003C\u002Fstrong>\n        \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>ChatGPT-5.2-2025-12-11\u003C\u002Ftd>\n      \u003Ctd>-\u003C\u002Ftd>\n      \u003Ctd>-\u003C\u002Ftd>\n      \u003Ctd>-\u003C\u002Ftd>\n      \u003Ctd>68.6\u003C\u002Ftd>\n      \u003Ctd>85.6\u003C\u002Ftd>\n      \u003Ctd>63.0\u003C\u002Ftd>\n      \u003Ctd>75.2\u003C\u002Ftd>\n      \u003Ctd>70.8\u003C\u002Ftd>\n      \u003Ctd>79.4\u003C\u002Ftd>\n      \u003Ctd>71.4\u003C\u002Ftd>\n      \u003Ctd>60.0\u003C\u002Ftd>\n      \u003Ctd>77.7\u003C\u002Ftd>\n      \u003Ctd>78.5\u003C\u002Ftd>\n      \u003Ctd>71.6\u003C\u002Ftd>\n      \u003Ctd>85.0\u003C\u002Ftd>\n      \u003Ctd>82.1\u003C\u002Ftd>\n      \u003Ctd>61.1\u003C\u002Ftd>\n      \u003Ctd>64.9\u003C\u002Ftd>\n      \u003Ctd>63.4\u003C\u002Ftd>\n      \u003Ctd>55.8\u003C\u002Ftd>\n      \u003Ctd>65.4\u003C\u002Ftd>\n      \u003Ctd>60.7\u003C\u002Ftd>\n      \u003Ctd>63.8\u003C\u002Ftd>\n      \u003Ctd>56.3\u003C\u002Ftd>\n      \u003Ctd>58.7\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Claude-Sonnet-4.6\u003C\u002Ftd>\n      \u003Ctd>-\u003C\u002Ftd>\n      \u003Ctd>-\u003C\u002Ftd>\n      \u003Ctd>-\u003C\u002Ftd>\n      \u003Ctd>73.1\u003C\u002Ftd>\n      \u003Ctd>85.0\u003C\u002Ftd>\n      \u003Ctd>69.3\u003C\u002Ftd>\n      \u003Ctd>79.2\u003C\u002Ftd>\n      \u003Ctd>79.8\u003C\u002Ftd>\n      \u003Ctd>80.6\u003C\u002Ftd>\n      \u003Ctd>72.8\u003C\u002Ftd>\n      \u003Ctd>66.5\u003C\u002Ftd>\n      \u003Ctd>82.3\u003C\u002Ftd>\n      \u003Ctd>83.3\u003C\u002Ftd>\n      \u003Ctd>76.7\u003C\u002Ftd>\n      \u003Ctd>88.0\u003C\u002Ftd>\n      \u003Ctd>83.1\u003C\u002Ftd>\n      \u003Ctd>66.2\u003C\u002Ftd>\n      \u003Ctd>67.8\u003C\u002Ftd>\n      \u003Ctd>71.7\u003C\u002Ftd>\n      \u003Ctd>63.4\u003C\u002Ftd>\n      \u003Ctd>64.3\u003C\u002Ftd>\n      \u003Ctd>70.8\u003C\u002Ftd>\n      \u003Ctd>65.2\u003C\u002Ftd>\n      \u003Ctd>61.3\u003C\u002Ftd>\n      \u003Ctd>65.1\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Doubao-2.0-pro\u003C\u002Ftd>\n      \u003Ctd>-\u003C\u002Ftd>\n      \u003Ctd>-\u003C\u002Ftd>\n      \u003Ctd>-\u003C\u002Ftd>\n      \u003Ctd>74.2\u003C\u002Ftd>\n      \u003Ctd>78.9\u003C\u002Ftd>\n      \u003Ctd>72.8\u003C\u002Ftd>\n      \u003Ctd>75.7\u003C\u002Ftd>\n      \u003Ctd>82.8\u003C\u002Ftd>\n      \u003Ctd>74.4\u003C\u002Ftd>\n      \u003Ctd>69.0\u003C\u002Ftd>\n      \u003Ctd>70.0\u003C\u002Ftd>\n      \u003Ctd>73.3\u003C\u002Ftd>\n      \u003Ctd>82.0\u003C\u002Ftd>\n      \u003Ctd>69.9\u003C\u002Ftd>\n      \u003Ctd>83.4\u003C\u002Ftd>\n      \u003Ctd>76.5\u003C\u002Ftd>\n      \u003Ctd>72.5\u003C\u002Ftd>\n      \u003Ctd>81.3\u003C\u002Ftd>\n      \u003Ctd>75.7\u003C\u002Ftd>\n      \u003Ctd>65.8\u003C\u002Ftd>\n      \u003Ctd>74.7\u003C\u002Ftd>\n      \u003Ctd>63.3\u003C\u002Ftd>\n      \u003Ctd>71.9\u003C\u002Ftd>\n      \u003Ctd>71.9\u003C\u002Ftd>\n      \u003Ctd>75.2\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Gemini-3-pro\u003C\u002Ftd>\n      \u003Ctd>-\u003C\u002Ftd>\n      \u003Ctd>-\u003C\u002Ftd>\n      \u003Ctd>-\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>86.4\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>90.4\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>85.1\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>88.4\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>91.2\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>90.6\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>83.4\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>82.7\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>91.5\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>91.6\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>87.7\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>91.4\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>85.9\u003Cstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>84.1\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>89.4\u003Cstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>90.4\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>74.8\u003Cstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>85.5\u003Cstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>84.9\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>80.6\u003Cstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>85.1\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>\u003Cstrong>82.1\u003C\u002Fstrong>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd colspan=\"25\" class=\"section\">\n            \u003Cstrong>Open-source VLMs\u003C\u002Fstrong>\n        \u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n\u003Ctd>InternVL-3.5-8B\u003C\u002Ftd>\u003Ctd>8.3B\u003C\u002Ftd>\u003Ctd>0.3B\u003C\u002Ftd>\u003Ctd>8B\u003C\u002Ftd>\u003Ctd>42.7\u003C\u002Ftd>\u003Ctd>59.7\u003C\u002Ftd>\u003Ctd>37.0\u003C\u002Ftd>\u003Ctd>53.4\u003C\u002Ftd>\u003Ctd>39.8\u003C\u002Ftd>\u003Ctd>64.2\u003C\u002Ftd>\u003Ctd>47.5\u003C\u002Ftd>\u003Ctd>42.7\u003C\u002Ftd>\u003Ctd>53.8\u003C\u002Ftd>\u003Ctd>60.6\u003C\u002Ftd>\u003Ctd>52.2\u003C\u002Ftd>\u003Ctd>63.2\u003C\u002Ftd>\u003Ctd>57.0\u003C\u002Ftd>\u003Ctd>30.6\u003C\u002Ftd>\u003Ctd>8.2\u003C\u002Ftd>\u003Ctd>9.0\u003C\u002Ftd>\u003Ctd>45.6\u003C\u002Ftd>\u003Ctd>30.3\u003C\u002Ftd>\u003Ctd>26.1\u003C\u002Ftd>\u003Ctd>10.8\u003C\u002Ftd>\u003Ctd>55.3\u003C\u002Ftd>\u003Ctd>59.3\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>MinerU-2.5\u003C\u002Ftd>\u003Ctd>1.2B\u003C\u002Ftd>\u003Ctd>0.7B\u003C\u002Ftd>\u003Ctd>0.5B\u003C\u002Ftd>\u003Ctd>46.3\u003C\u002Ftd>\u003Ctd>61.9\u003C\u002Ftd>\u003Ctd>40.8\u003C\u002Ftd>\u003Ctd>63.0\u003C\u002Ftd>\u003Ctd>68.8\u003C\u002Ftd>\u003Ctd>78.4\u003C\u002Ftd>\u003Ctd>54.7\u003C\u002Ftd>\u003Ctd>57.3\u003C\u002Ftd>\u003Ctd>67.5\u003C\u002Ftd>\u003Ctd>75.2\u003C\u002Ftd>\u003Ctd>60.4\u003C\u002Ftd>\u003Ctd>58.8\u003C\u002Ftd>\u003Ctd>46.0\u003C\u002Ftd>\u003Ctd>27.4\u003C\u002Ftd>\u003Ctd>1.3\u003C\u002Ftd>\u003Ctd>9.0\u003C\u002Ftd>\u003Ctd>39.1\u003C\u002Ftd>\u003Ctd>14.7\u003C\u002Ftd>\u003Ctd>8.6\u003C\u002Ftd>\u003Ctd>11.3\u003C\u002Ftd>\u003Ctd>72.9\u003C\u002Ftd>\u003Ctd>62.2\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>DeepSeek-OCR\u003C\u002Ftd>\u003Ctd>3.4B\u003C\u002Ftd>\u003Ctd>0.4B\u003C\u002Ftd>\u003Ctd>3B\u003C\u002Ftd>\u003Ctd>51.8\u003C\u002Ftd>\u003Ctd>80.7\u003C\u002Ftd>\u003Ctd>42.2\u003C\u002Ftd>\u003Ctd>54.5\u003C\u002Ftd>\u003Ctd>55.0\u003C\u002Ftd>\u003Ctd>58.3\u003C\u002Ftd>\u003Ctd>44.1\u003C\u002Ftd>\u003Ctd>43.2\u003C\u002Ftd>\u003Ctd>60.9\u003C\u002Ftd>\u003Ctd>69.3\u003C\u002Ftd>\u003Ctd>52.4\u003C\u002Ftd>\u003Ctd>53.0\u003C\u002Ftd>\u003Ctd>54.1\u003C\u002Ftd>\u003Ctd>48.9\u003C\u002Ftd>\u003Ctd>56.9\u003C\u002Ftd>\u003Ctd>52.2\u003C\u002Ftd>\u003Ctd>49.1\u003C\u002Ftd>\u003Ctd>28.2\u003C\u002Ftd>\u003Ctd>36.2\u003C\u002Ftd>\u003Ctd>49.4\u003C\u002Ftd>\u003Ctd>59.7\u003C\u002Ftd>\u003Ctd>59.2\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>MonkeyOCR-pro-3B\u003C\u002Ftd>\u003Ctd>3.7B\u003C\u002Ftd>\u003Ctd>0.7B\u003C\u002Ftd>\u003Ctd>3B\u003C\u002Ftd>\u003Ctd>52.2\u003C\u002Ftd>\u003Ctd>68.0\u003C\u002Ftd>\u003Ctd>47.0\u003C\u002Ftd>\u003Ctd>65.1\u003C\u002Ftd>\u003Ctd>71.7\u003C\u002Ftd>\u003Ctd>77.9\u003C\u002Ftd>\u003Ctd>55.9\u003C\u002Ftd>\u003Ctd>62.1\u003C\u002Ftd>\u003Ctd>66.2\u003C\u002Ftd>\u003Ctd>74.5\u003C\u002Ftd>\u003Ctd>66.3\u003C\u002Ftd>\u003Ctd>71.1\u003C\u002Ftd>\u003Ctd>40.2\u003C\u002Ftd>\u003Ctd>37.6\u003C\u002Ftd>\u003Ctd>4.6\u003C\u002Ftd>\u003Ctd>4.2\u003C\u002Ftd>\u003Ctd>55.2\u003C\u002Ftd>\u003Ctd>60.5\u003C\u002Ftd>\u003Ctd>42.6\u003C\u002Ftd>\u003Ctd>9.1\u003C\u002Ftd>\u003Ctd>72.2\u003C\u002Ftd>\u003Ctd>52.4\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Nanonets-OCR-s\u003C\u002Ftd>\u003Ctd>4.7B\u003C\u002Ftd>\u003Ctd>0.7B\u003C\u002Ftd>\u003Ctd>4B\u003C\u002Ftd>\u003Ctd>63.7\u003C\u002Ftd>\u003Ctd>78.8\u003C\u002Ftd>\u003Ctd>58.7\u003C\u002Ftd>\u003Ctd>71.3\u003C\u002Ftd>\u003Ctd>75.1\u003C\u002Ftd>\u003Ctd>78.5\u003C\u002Ftd>\u003Ctd>61.2\u003C\u002Ftd>\u003Ctd>62.5\u003C\u002Ftd>\u003Ctd>70.3\u003C\u002Ftd>\u003Ctd>81.0\u003C\u002Ftd>\u003Ctd>69.6\u003C\u002Ftd>\u003Ctd>75.9\u003C\u002Ftd>\u003Ctd>67.5\u003C\u002Ftd>\u003Ctd>55.0\u003C\u002Ftd>\u003Ctd>59.5\u003C\u002Ftd>\u003Ctd>61.8\u003C\u002Ftd>\u003Ctd>55.9\u003C\u002Ftd>\u003Ctd>51.2\u003C\u002Ftd>\u003Ctd>43.5\u003C\u002Ftd>\u003Ctd>39.5\u003C\u002Ftd>\u003Ctd>67.4\u003C\u002Ftd>\u003Ctd>61.5\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Nanonets-OCR2-3B\u003C\u002Ftd>\u003Ctd>3.7B\u003C\u002Ftd>\u003Ctd>0.7B\u003C\u002Ftd>\u003Ctd>3B\u003C\u002Ftd>\u003Ctd>64.2\u003C\u002Ftd>\u003Ctd>79.2\u003C\u002Ftd>\u003Ctd>59.3\u003C\u002Ftd>\u003Ctd>71.4\u003C\u002Ftd>\u003Ctd>76.7\u003C\u002Ftd>\u003Ctd>76.4\u003C\u002Ftd>\u003Ctd>61.8\u003C\u002Ftd>\u003Ctd>66.1\u003C\u002Ftd>\u003Ctd>68.4\u003C\u002Ftd>\u003Ctd>78.5\u003C\u002Ftd>\u003Ctd>74.1\u003C\u002Ftd>\u003Ctd>74.2\u003C\u002Ftd>\u003Ctd>66.0\u003C\u002Ftd>\u003Ctd>56.2\u003C\u002Ftd>\u003Ctd>60.2\u003C\u002Ftd>\u003Ctd>59.2\u003C\u002Ftd>\u003Ctd>52.1\u003C\u002Ftd>\u003Ctd>54.7\u003C\u002Ftd>\u003Ctd>45.5\u003C\u002Ftd>\u003Ctd>44.6\u003C\u002Ftd>\u003Ctd>68.3\u003C\u002Ftd>\u003Ctd>65.1\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Qwen3.5-Instruct-9B\u003C\u002Ftd>\u003Ctd>9.7B\u003C\u002Ftd>\u003Ctd>0.7B\u003C\u002Ftd>\u003Ctd>9B\u003C\u002Ftd>\u003Ctd>65.7\u003C\u002Ftd>\u003Ctd>74.8\u003C\u002Ftd>\u003Ctd>62.7\u003C\u002Ftd>\u003Ctd>72.5\u003C\u002Ftd>\u003Ctd>72.8\u003C\u002Ftd>\u003Ctd>72.0\u003C\u002Ftd>\u003Ctd>72.0\u003C\u002Ftd>\u003Ctd>64.4\u003C\u002Ftd>\u003Ctd>66.2\u003C\u002Ftd>\u003Ctd>77.6\u003C\u002Ftd>\u003Ctd>74.5\u003C\u002Ftd>\u003Ctd>79.1\u003C\u002Ftd>\u003Ctd>74.0\u003C\u002Ftd>\u003Ctd>58.2\u003C\u002Ftd>\u003Ctd>53.4\u003C\u002Ftd>\u003Ctd>56.2\u003C\u002Ftd>\u003Ctd>55.7\u003C\u002Ftd>\u003Ctd>60.3\u003C\u002Ftd>\u003Ctd>54.7\u003C\u002Ftd>\u003Ctd>56.7\u003C\u002Ftd>\u003Ctd>60.8\u003C\u002Ftd>\u003Ctd>67.5\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>GLM-OCR\u003C\u002Ftd>\u003Ctd>0.9B\u003C\u002Ftd>\u003Ctd>0.4B\u003C\u002Ftd>\u003Ctd>0.5B\u003C\u002Ftd>\u003Ctd>67.3\u003C\u002Ftd>\u003Ctd>77.9\u003C\u002Ftd>\u003Ctd>63.7\u003C\u002Ftd>\u003Ctd>78.7\u003C\u002Ftd>\u003Ctd>82.7\u003C\u002Ftd>\u003Ctd>84.5\u003C\u002Ftd>\u003Ctd>\u003Cu>75.8\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>76.2\u003C\u002Ftd>\u003Ctd>79.7\u003C\u002Ftd>\u003Ctd>82.8\u003C\u002Ftd>\u003Ctd>80.2\u003C\u002Ftd>\u003Ctd>77.4\u003C\u002Ftd>\u003Ctd>69.2\u003C\u002Ftd>\u003Ctd>54.3\u003C\u002Ftd>\u003Ctd>21.7\u003C\u002Ftd>\u003Ctd>39.6\u003C\u002Ftd>\u003Ctd>65.5\u003C\u002Ftd>\u003Ctd>61.2\u003C\u002Ftd>\u003Ctd>64.2\u003C\u002Ftd>\u003Ctd>27.4\u003C\u002Ftd>\u003Ctd>78.5\u003C\u002Ftd>\u003Ctd>76.7\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Qwen3-VL-Instruct-8B\u003C\u002Ftd>\u003Ctd>8.3B\u003C\u002Ftd>\u003Ctd>0.3B\u003C\u002Ftd>\u003Ctd>8B\u003C\u002Ftd>\u003Ctd>68.3\u003C\u002Ftd>\u003Ctd>78.4\u003C\u002Ftd>\u003Ctd>65.0\u003C\u002Ftd>\u003Ctd>73.6\u003C\u002Ftd>\u003Ctd>73.7\u003C\u002Ftd>\u003Ctd>71.4\u003C\u002Ftd>\u003Ctd>69.3\u003C\u002Ftd>\u003Ctd>66.2\u003C\u002Ftd>\u003Ctd>68.5\u003C\u002Ftd>\u003Ctd>79.1\u003C\u002Ftd>\u003Ctd>78.3\u003C\u002Ftd>\u003Ctd>82.2\u003C\u002Ftd>\u003Ctd>73.4\u003C\u002Ftd>\u003Ctd>62.5\u003C\u002Ftd>\u003Ctd>63.1\u003C\u002Ftd>\u003Ctd>58.4\u003C\u002Ftd>\u003Ctd>59.9\u003C\u002Ftd>\u003Ctd>61.9\u003C\u002Ftd>\u003Ctd>57.9\u003C\u002Ftd>\u003Ctd>62.0\u003C\u002Ftd>\u003Ctd>62.6\u003C\u002Ftd>\u003Ctd>73.8\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>HunyuanOCR\u003C\u002Ftd>\u003Ctd>1B\u003C\u002Ftd>\u003Ctd>0.4B\u003C\u002Ftd>\u003Ctd>0.6B\u003C\u002Ftd>\u003Ctd>68.3\u003C\u002Ftd>\u003Ctd>80.2\u003C\u002Ftd>\u003Ctd>64.3\u003C\u002Ftd>\u003Ctd>72.4\u003C\u002Ftd>\u003Ctd>75.0\u003C\u002Ftd>\u003Ctd>73.1\u003C\u002Ftd>\u003Ctd>63.0\u003C\u002Ftd>\u003Ctd>66.1\u003C\u002Ftd>\u003Ctd>69.9\u003C\u002Ftd>\u003Ctd>80.3\u003C\u002Ftd>\u003Ctd>61.4\u003C\u002Ftd>\u003Ctd>81.9\u003C\u002Ftd>\u003Ctd>80.6\u003C\u002Ftd>\u003Ctd>63.7\u003C\u002Ftd>\u003Ctd>68.3\u003C\u002Ftd>\u003Ctd>73.1\u003C\u002Ftd>\u003Ctd>55.6\u003C\u002Ftd>\u003Ctd>68.9\u003C\u002Ftd>\u003Ctd>52.2\u003C\u002Ftd>\u003Ctd>60.7\u003C\u002Ftd>\u003Ctd>66.8\u003C\u002Ftd>\u003Ctd>64.2\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>PaddleOCR-VL\u003C\u002Ftd>\u003Ctd>0.9B\u003C\u002Ftd>\u003Ctd>0.6B\u003C\u002Ftd>\u003Ctd>0.3B\u003C\u002Ftd>\u003Ctd>69.6\u003C\u002Ftd>\u003Ctd>87.6\u003C\u002Ftd>\u003Ctd>63.6\u003C\u002Ftd>\u003Ctd>72.1\u003C\u002Ftd>\u003Ctd>78.2\u003C\u002Ftd>\u003Ctd>79.3\u003C\u002Ftd>\u003Ctd>62.9\u003C\u002Ftd>\u003Ctd>66.0\u003C\u002Ftd>\u003Ctd>77.4\u003C\u002Ftd>\u003Ctd>78.4\u003C\u002Ftd>\u003Ctd>67.9\u003C\u002Ftd>\u003Ctd>72.0\u003C\u002Ftd>\u003Ctd>66.6\u003C\u002Ftd>\u003Ctd>66.7\u003C\u002Ftd>\u003Ctd>65.8\u003C\u002Ftd>\u003Ctd>68.4\u003C\u002Ftd>\u003Ctd>59.9\u003C\u002Ftd>\u003Ctd>77.8\u003C\u002Ftd>\u003Ctd>56.9\u003C\u002Ftd>\u003Ctd>57.8\u003C\u002Ftd>\u003Ctd>78.2\u003C\u002Ftd>\u003Ctd>68.5\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>olmOCR2\u003C\u002Ftd>\u003Ctd>7.7B\u003C\u002Ftd>\u003Ctd>0.7B\u003C\u002Ftd>\u003Ctd>7B\u003C\u002Ftd>\u003Ctd>70.4\u003C\u002Ftd>\u003Ctd>79.9\u003C\u002Ftd>\u003Ctd>67.2\u003C\u002Ftd>\u003Ctd>76.7\u003C\u002Ftd>\u003Ctd>75.7\u003C\u002Ftd>\u003Ctd>77.3\u003C\u002Ftd>\u003Ctd>72.5\u003C\u002Ftd>\u003Ctd>68.9\u003C\u002Ftd>\u003Ctd>70.6\u003C\u002Ftd>\u003Ctd>81.0\u003C\u002Ftd>\u003Ctd>72.0\u003C\u002Ftd>\u003Ctd>\u003Cu>88.0\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>84.0\u003C\u002Ftd>\u003Ctd>63.3\u003C\u002Ftd>\u003Ctd>59.0\u003C\u002Ftd>\u003Ctd>60.8\u003C\u002Ftd>\u003Ctd>59.4\u003C\u002Ftd>\u003Ctd>70.6\u003C\u002Ftd>\u003Ctd>65.8\u003C\u002Ftd>\u003Ctd>59.2\u003C\u002Ftd>\u003Ctd>68.6\u003C\u002Ftd>\u003Ctd>63.4\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>MinerU-2.5-Pro\u003C\u002Ftd>\u003Ctd>1.2B\u003C\u002Ftd>\u003Ctd>0.7B\u003C\u002Ftd>\u003Ctd>0.5B\u003C\u002Ftd>\u003Ctd>71.0\u003C\u002Ftd>\u003Ctd>86.2\u003C\u002Ftd>\u003Ctd>66.1\u003C\u002Ftd>\u003Ctd>74.6\u003C\u002Ftd>\u003Ctd>78.3\u003C\u002Ftd>\u003Ctd>79.5\u003C\u002Ftd>\u003Ctd>63.4\u003C\u002Ftd>\u003Ctd>67.4\u003C\u002Ftd>\u003Ctd>78.0\u003C\u002Ftd>\u003Ctd>79.7\u003C\u002Ftd>\u003Ctd>72.1\u003C\u002Ftd>\u003Ctd>78.6\u003C\u002Ftd>\u003Ctd>74.2\u003C\u002Ftd>\u003Ctd>67.0\u003C\u002Ftd>\u003Ctd>56.6\u003C\u002Ftd>\u003Ctd>72.2\u003C\u002Ftd>\u003Ctd>59.1\u003C\u002Ftd>\u003Ctd>77.6\u003C\u002Ftd>\u003Ctd>62.6\u003C\u002Ftd>\u003Ctd>61.8\u003C\u002Ftd>\u003Ctd>76.5\u003C\u002Ftd>\u003Ctd>69.7\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>PaddleOCR-VL-1.6\u003C\u002Ftd>\u003Ctd>0.9B\u003C\u002Ftd>\u003Ctd>0.6B\u003C\u002Ftd>\u003Ctd>0.3B\u003C\u002Ftd>\u003Ctd>75.0\u003C\u002Ftd>\u003Ctd>82.8\u003C\u002Ftd>\u003Ctd>72.6\u003C\u002Ftd>\u003Ctd>78.0\u003C\u002Ftd>\u003Ctd>84.1\u003C\u002Ftd>\u003Ctd>79.7\u003C\u002Ftd>\u003Ctd>69.2\u003C\u002Ftd>\u003Ctd>74.8\u003C\u002Ftd>\u003Ctd>81.6\u003C\u002Ftd>\u003Ctd>82.0\u003C\u002Ftd>\u003Ctd>74.7\u003C\u002Ftd>\u003Ctd>76.4\u003C\u002Ftd>\u003Ctd>79.3\u003C\u002Ftd>\u003Ctd>71.6\u003C\u002Ftd>\u003Ctd>69.4\u003C\u002Ftd>\u003Ctd>65.6\u003C\u002Ftd>\u003Ctd>68.7\u003C\u002Ftd>\u003Ctd>82.5\u003C\u002Ftd>\u003Ctd>70.7\u003C\u002Ftd>\u003Ctd>62.3\u003C\u002Ftd>\u003Ctd>78.0\u003C\u002Ftd>\u003Ctd>75.7\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>HunyuanOCR-1.5\u003C\u002Ftd>\u003Ctd>1B\u003C\u002Ftd>\u003Ctd>0.4B\u003C\u002Ftd>\u003Ctd>0.6B\u003C\u002Ftd>\u003Ctd>76.8\u003C\u002Ftd>\u003Ctd>86.2\u003C\u002Ftd>\u003Ctd>73.6\u003C\u002Ftd>\u003Ctd>79.7\u003C\u002Ftd>\u003Ctd>79.6\u003C\u002Ftd>\u003Ctd>80.4\u003C\u002Ftd>\u003Ctd>74.2\u003C\u002Ftd>\u003Ctd>70.0\u003C\u002Ftd>\u003Ctd>81.5\u003C\u002Ftd>\u003Ctd>84.5\u003C\u002Ftd>\u003Ctd>78.4\u003C\u002Ftd>\u003Ctd>86.4\u003C\u002Ftd>\u003Ctd>82.4\u003C\u002Ftd>\u003Ctd>73.5\u003C\u002Ftd>\u003Ctd>71.8\u003C\u002Ftd>\u003Ctd>71.6\u003C\u002Ftd>\u003Ctd>65.5\u003C\u002Ftd>\u003Ctd>75.7\u003C\u002Ftd>\u003Ctd>67.4\u003C\u002Ftd>\u003Ctd>77.7\u003C\u002Ftd>\u003Ctd>80.8\u003C\u002Ftd>\u003Ctd>77.2\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Kimi-K2.5\u003C\u002Ftd>\u003Ctd>1T\u003C\u002Ftd>\u003Ctd>0.4B\u003C\u002Ftd>\u003Ctd>1T\u003C\u002Ftd>\u003Ctd>77.5\u003C\u002Ftd>\u003Ctd>85.0\u003C\u002Ftd>\u003Ctd>75.0\u003C\u002Ftd>\u003Ctd>81.6\u003C\u002Ftd>\u003Ctd>85.9\u003C\u002Ftd>\u003Ctd>86.2\u003C\u002Ftd>\u003Ctd>72.7\u003C\u002Ftd>\u003Ctd>71.0\u003C\u002Ftd>\u003Ctd>80.6\u003C\u002Ftd>\u003Ctd>86.6\u003C\u002Ftd>\u003Ctd>77.4\u003C\u002Ftd>\u003Ctd>87.6\u003C\u002Ftd>\u003Ctd>\u003Cstrong>86.2\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>72.9\u003C\u002Ftd>\u003Ctd>75.8\u003C\u002Ftd>\u003Ctd>74.5\u003C\u002Ftd>\u003Ctd>\u003Cu>72.5\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>70.9\u003C\u002Ftd>\u003Ctd>61.8\u003C\u002Ftd>\u003Ctd>67.0\u003C\u002Ftd>\u003Ctd>81.7\u003C\u002Ftd>\u003Ctd>\u003Cu>78.6\u003C\u002Fu>\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>PaddleOCR-VL-1.5\u003C\u002Ftd>\u003Ctd>0.9B\u003C\u002Ftd>\u003Ctd>0.6B\u003C\u002Ftd>\u003Ctd>0.3B\u003C\u002Ftd>\u003Ctd>78.3\u003C\u002Ftd>\u003Ctd>87.4\u003C\u002Ftd>\u003Ctd>75.2\u003C\u002Ftd>\u003Ctd>81.2\u003C\u002Ftd>\u003Ctd>84.8\u003C\u002Ftd>\u003Ctd>83.0\u003C\u002Ftd>\u003Ctd>75.7\u003C\u002Ftd>\u003Ctd>\u003Cu>78.1\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>83.9\u003C\u002Ftd>\u003Ctd>85.2\u003C\u002Ftd>\u003Ctd>80.6\u003C\u002Ftd>\u003Ctd>80.2\u003C\u002Ftd>\u003Ctd>78.9\u003C\u002Ftd>\u003Ctd>74.9\u003C\u002Ftd>\u003Ctd>71.3\u003C\u002Ftd>\u003Ctd>67.7\u003C\u002Ftd>\u003Ctd>69.5\u003C\u002Ftd>\u003Ctd>86.0\u003C\u002Ftd>\u003Ctd>76.0\u003C\u002Ftd>\u003Ctd>68.4\u003C\u002Ftd>\u003Ctd>\u003Cstrong>84.8\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>75.7\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>chandra-ocr-2\u003C\u002Ftd>\u003Ctd>5.3B\u003C\u002Ftd>\u003Ctd>0.5B\u003C\u002Ftd>\u003Ctd>4.8B\u003C\u002Ftd>\u003Ctd>79.7\u003C\u002Ftd>\u003Ctd>87.8\u003C\u002Ftd>\u003Ctd>77.1\u003C\u002Ftd>\u003Ctd>82.7\u003C\u002Ftd>\u003Ctd>86.6\u003C\u002Ftd>\u003Ctd>\u003Cu>86.5\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>69.7\u003C\u002Ftd>\u003Ctd>70.3\u003C\u002Ftd>\u003Ctd>84.6\u003C\u002Ftd>\u003Ctd>87.4\u003C\u002Ftd>\u003Ctd>82.7\u003C\u002Ftd>\u003Ctd>\u003Cstrong>90.7\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>\u003Cu>85.6\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>76.4\u003C\u002Ftd>\u003Ctd>78.2\u003C\u002Ftd>\u003Ctd>81.1\u003C\u002Ftd>\u003Ctd>68.8\u003C\u002Ftd>\u003Ctd>80.3\u003C\u002Ftd>\u003Ctd>74.0\u003C\u002Ftd>\u003Ctd>78.5\u003C\u002Ftd>\u003Ctd>73.8\u003C\u002Ftd>\u003Ctd>76.3\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>dots.mocr\u003C\u002Ftd>\u003Ctd>3B\u003C\u002Ftd>\u003Ctd>1.2B\u003C\u002Ftd>\u003Ctd>1.8B\u003C\u002Ftd>\u003Ctd>80.5\u003C\u002Ftd>\u003Ctd>\u003Cstrong>90.5\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>77.2\u003C\u002Ftd>\u003Ctd>81.7\u003C\u002Ftd>\u003Ctd>82.6\u003C\u002Ftd>\u003Ctd>\u003Cstrong>87.4\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>71.3\u003C\u002Ftd>\u003Ctd>70.1\u003C\u002Ftd>\u003Ctd>84.5\u003C\u002Ftd>\u003Ctd>\u003Cstrong>89.3\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>83.2\u003C\u002Ftd>\u003Ctd>86.8\u003C\u002Ftd>\u003Ctd>79.9\u003C\u002Ftd>\u003Ctd>79.2\u003C\u002Ftd>\u003Ctd>83.3\u003C\u002Ftd>\u003Ctd>83.6\u003C\u002Ftd>\u003Ctd>\u003Cstrong>75.0\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>78.7\u003C\u002Ftd>\u003Ctd>71.2\u003C\u002Ftd>\u003Ctd>77.9\u003C\u002Ftd>\u003Ctd>\u003Cu>84.6\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>\u003Cstrong>79.6\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>MonkeyOCRv2-S-Parsing\u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fzenosai\u002FMonkeyOCRv2-S-Parsing\">🤗\u003C\u002Fa>\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>0.6B\u003C\u002Ftd>\u003Ctd>0.03B\u003C\u002Ftd>\u003Ctd>0.6B\u003C\u002Ftd>\u003Ctd>\u003Cu>82.5\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>87.9\u003C\u002Ftd>\u003Ctd>\u003Cu>80.7\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>\u003Cu>83.2\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>\u003Cu>87.3\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>83.6\u003C\u002Ftd>\u003Ctd>\u003Cstrong>76.8\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>73.6\u003C\u002Ftd>\u003Ctd>\u003Cu>85.4\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>87.2\u003C\u002Ftd>\u003Ctd>\u003Cu>85.5\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>87.4\u003C\u002Ftd>\u003Ctd>81.9\u003C\u002Ftd>\u003Ctd>\u003Cu>81.7\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>\u003Cstrong>91.2\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>\u003Cu>87.1\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>69.9\u003C\u002Ftd>\u003Ctd>\u003Cstrong>88.7\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>\u003Cu>78.0\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>\u003Cu>79.8\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>84.4\u003C\u002Ftd>\u003Ctd>74.7\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>MonkeyOCRv2-B-Parsing\u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fzenosai\u002FMonkeyOCRv2-B-Parsing\">🤗\u003C\u002Fa>\u003Cstrong>\u003C\u002Ftd>\u003Ctd>0.7B\u003C\u002Ftd>\u003Ctd>0.1B\u003C\u002Ftd>\u003Ctd>0.6B\u003C\u002Ftd>\u003Ctd>\u003Cstrong>83.3\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>\u003Cu>88.1\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>\u003Cstrong>81.7\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>\u003Cstrong>84.2\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>\u003Cstrong>87.7\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>84.5\u003C\u002Ftd>\u003Ctd>75.2\u003C\u002Ftd>\u003Ctd>\u003Cstrong>78.4\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>\u003Cstrong>86.5\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>\u003Cu>88.6\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>\u003Cstrong>86.1\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>87.9\u003C\u002Ftd>\u003Ctd>83.2\u003C\u002Ftd>\u003Ctd>\u003Cstrong>82.1\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>\u003Cu>90.7\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>\u003Cstrong>87.2\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>71.9\u003C\u002Ftd>\u003Ctd>\u003Cu>87.6\u003C\u002Fu>\u003C\u002Ftd>\u003Ctd>\u003Cstrong>80.1\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>\u003Cstrong>80.8\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>83.6\u003C\u002Ftd>\u003Ctd>75.3\u003C\u002Ftd>\n\u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\n#### 7. Document understanding performance comparison across different vision foundation models. The evaluation benchmarks are selected following [TextMonkey](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2403.04473) and [DT-VQA](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2405.06706).\n\u003Ctable>\n    \u003Cthead>\n        \u003Ctr>\n            \u003Cth>Model\u003C\u002Fth>\n            \u003Cth>Params\u003C\u002Fth>\n            \u003Cth>Overall\u003C\u002Fth>\n            \u003Cth>DocVQA\u003C\u002Fth>\n            \u003Cth>InfoVQA\u003C\u002Fth>\n            \u003Cth>DF\u003C\u002Fth>\n            \u003Cth>KLC\u003C\u002Fth>\n            \u003Cth>WTQ\u003C\u002Fth>\n            \u003Cth>ChartQA\u003C\u002Fth>\n            \u003Cth>DT-VQA\u003C\u002Fth>\n            \u003Cth>OCRBench\u003C\u002Fth>\n        \u003C\u002Ftr>\n    \u003C\u002Fthead>\n    \u003Ctbody>\n        \u003Ctr>\n            \u003Ctd>CLIP-B\u003C\u002Ftd>\n            \u003Ctd>86M\u003C\u002Ftd>\n            \u003Ctd>16.0\u003C\u002Ftd>\n            \u003Ctd>20.1\u003C\u002Ftd>\n            \u003Ctd>24.2\u003C\u002Ftd>\n            \u003Ctd>2.3\u003C\u002Ftd>\n            \u003Ctd>13.8\u003C\u002Ftd>\n            \u003Ctd>12.8\u003C\u002Ftd>\n            \u003Ctd>22.2\u003C\u002Ftd>\n            \u003Ctd>22.3\u003C\u002Ftd>\n            \u003Ctd>10.6\u003C\u002Ftd>\n        \u003C\u002Ftr>\n        \u003Ctr>\n            \u003Ctd>SigLIP2-B\u003C\u002Ftd>\n            \u003Ctd>93M\u003C\u002Ftd>\n            \u003Ctd>24.9\u003C\u002Ftd>\n            \u003Ctd>27.0\u003C\u002Ftd>\n            \u003Ctd>23.5\u003C\u002Ftd>\n            \u003Ctd>3.1\u003C\u002Ftd>\n            \u003Ctd>16.7\u003C\u002Ftd>\n            \u003Ctd>17.4\u003C\u002Ftd>\n            \u003Ctd>35.0\u003C\u002Ftd>\n            \u003Ctd>41.5\u003C\u002Ftd>\n            \u003Ctd>35.1\u003C\u002Ftd>\n        \u003C\u002Ftr>\n        \u003Ctr>\n            \u003Ctd>RADIOv2.5-B\u003C\u002Ftd>\n            \u003Ctd>98M\u003C\u002Ftd>\n            \u003Ctd>37.5\u003C\u002Ftd>\n            \u003Ctd>60.3\u003C\u002Ftd>\n            \u003Ctd>31.2\u003C\u002Ftd>\n            \u003Ctd>29.9\u003C\u002Ftd>\n            \u003Ctd>30.4\u003C\u002Ftd>\n            \u003Ctd>29.7\u003C\u002Ftd>\n            \u003Ctd>51.1\u003C\u002Ftd>\n            \u003Ctd>44.2\u003C\u002Ftd>\n            \u003Ctd>23.1\u003C\u002Ftd>\n        \u003C\u002Ftr>\n        \u003Ctr>\n            \u003Ctd>OpenVision-B\u003C\u002Ftd>\n            \u003Ctd>87M\u003C\u002Ftd>\n            \u003Ctd>44.0\u003C\u002Ftd>\n            \u003Ctd>63.3\u003C\u002Ftd>\n            \u003Ctd>30.7\u003C\u002Ftd>\n            \u003Ctd>19.8\u003C\u002Ftd>\n            \u003Ctd>33.1\u003C\u002Ftd>\n            \u003Ctd>31.1\u003C\u002Ftd>\n            \u003Ctd>58.3\u003C\u002Ftd>\n            \u003Ctd>62.6\u003C\u002Ftd>\n            \u003Ctd>\u003Cu>52.9\u003C\u002Fu>\u003C\u002Ftd>\n        \u003C\u002Ftr>\n        \u003Ctr>\n            \u003Ctd>DINOv3-B\u003C\u002Ftd>\n            \u003Ctd>86M\u003C\u002Ftd>\n            \u003Ctd>16.1\u003C\u002Ftd>\n            \u003Ctd>26.5\u003C\u002Ftd>\n            \u003Ctd>20.8\u003C\u002Ftd>\n            \u003Ctd>5.6\u003C\u002Ftd>\n            \u003Ctd>13.2\u003C\u002Ftd>\n            \u003Ctd>14.0\u003C\u002Ftd>\n            \u003Ctd>28.9\u003C\u002Ftd>\n            \u003Ctd>15.8\u003C\u002Ftd>\n            \u003Ctd>3.9\u003C\u002Ftd>\n        \u003C\u002Ftr>\n        \u003Ctr>\n            \u003Ctd>SAM-B\u003C\u002Ftd>\n            \u003Ctd>90M\u003C\u002Ftd>\n            \u003Ctd>25.2\u003C\u002Ftd>\n            \u003Ctd>37.8\u003C\u002Ftd>\n            \u003Ctd>22.2\u003C\u002Ftd>\n            \u003Ctd>4.7\u003C\u002Ftd>\n            \u003Ctd>17.5\u003C\u002Ftd>\n            \u003Ctd>17.6\u003C\u002Ftd>\n            \u003Ctd>46.5\u003C\u002Ftd>\n            \u003Ctd>33.3\u003C\u002Ftd>\n            \u003Ctd>21.9\u003C\u002Ftd>\n        \u003C\u002Ftr>\n        \u003Ctr>\n            \u003Ctd>SAM2-B\u003C\u002Ftd>\n            \u003Ctd>69M\u003C\u002Ftd>\n            \u003Ctd>22.3\u003C\u002Ftd>\n            \u003Ctd>32.5\u003C\u002Ftd>\n            \u003Ctd>21.9\u003C\u002Ftd>\n            \u003Ctd>2.7\u003C\u002Ftd>\n            \u003Ctd>15.8\u003C\u002Ftd>\n            \u003Ctd>16.6\u003C\u002Ftd>\n            \u003Ctd>40.2\u003C\u002Ftd>\n            \u003Ctd>30.3\u003C\u002Ftd>\n            \u003Ctd>18.4\u003C\u002Ftd>\n        \u003C\u002Ftr>\n        \u003Ctr>\n            \u003Ctd>oCLIP\u003C\u002Ftd>\n            \u003Ctd>24M\u003C\u002Ftd>\n            \u003Ctd>12.4\u003C\u002Ftd>\n            \u003Ctd>14.8\u003C\u002Ftd>\n            \u003Ctd>19.5\u003C\u002Ftd>\n            \u003Ctd>1.4\u003C\u002Ftd>\n            \u003Ctd>7.4\u003C\u002Ftd>\n            \u003Ctd>11.4\u003C\u002Ftd>\n            \u003Ctd>17.9\u003C\u002Ftd>\n            \u003Ctd>19.2\u003C\u002Ftd>\n            \u003Ctd>7.4\u003C\u002Ftd>\n        \u003C\u002Ftr>\n        \u003Ctr>\n            \u003Ctd>DiT\u003C\u002Ftd>\n            \u003Ctd>86M\u003C\u002Ftd>\n            \u003Ctd>8.9\u003C\u002Ftd>\n            \u003Ctd>11.3\u003C\u002Ftd>\n            \u003Ctd>20.9\u003C\u002Ftd>\n            \u003Ctd>0.9\u003C\u002Ftd>\n            \u003Ctd>5.2\u003C\u002Ftd>\n            \u003Ctd>9.9\u003C\u002Ftd>\n            \u003Ctd>12.0\u003C\u002Ftd>\n            \u003Ctd>9.2\u003C\u002Ftd>\n            \u003Ctd>1.9\u003C\u002Ftd>\n        \u003C\u002Ftr>\n        \u003Ctr>\n            \u003Ctd>\u003Cstrong>MonkeyOCRv2-S*\u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fzenosai\u002FMonkeyOCRv2-S-Und\">🤗Link\u003C\u002Fa>\u003C\u002Fstrong>\u003C\u002Ftd>\n            \u003Ctd>28M\u003C\u002Ftd>\n            \u003Ctd>\u003Cu>55.9\u003C\u002Fu>\u003C\u002Ftd>\n            \u003Ctd>\u003Cstrong>79.3\u003C\u002Fstrong>\u003C\u002Ftd>\n            \u003Ctd>\u003Cu>44.5\u003C\u002Fu>\u003C\u002Ftd>\n            \u003Ctd>\u003Cu>65.1\u003C\u002Fu>\u003C\u002Ftd>\n            \u003Ctd>\u003Cu>37.6\u003C\u002Fu>\u003C\u002Ftd>\n            \u003Ctd>\u003Cu>43.0\u003C\u002Fu>\u003C\u002Ftd>\n            \u003Ctd>\u003Cstrong>62.0\u003C\u002Fstrong>\u003C\u002Ftd>\n            \u003Ctd>\u003Cu>63.1\u003C\u002Fu>\u003C\u002Ftd>\n            \u003Ctd>52.2\u003C\u002Ftd>\n        \u003C\u002Ftr>\n        \u003Ctr>\n            \u003Ctd>\u003Cstrong>MonkeyOCRv2-B*\u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fzenosai\u002FMonkeyOCRv2-B-Und\">🤗Link\u003C\u002Fa>\u003C\u002Fstrong>\u003C\u002Ftd>\n            \u003Ctd>113M\u003C\u002Ftd>\n            \u003Ctd>\u003Cstrong>57.2\u003C\u002Fstrong>\u003C\u002Ftd>\n            \u003Ctd>\u003Cstrong>79.3\u003C\u002Fstrong>\u003C\u002Ftd>\n            \u003Ctd>\u003Cstrong>46.3\u003C\u002Fstrong>\u003C\u002Ftd>\n            \u003Ctd>\u003Cstrong>65.8\u003C\u002Fstrong>\u003C\u002Ftd>\n            \u003Ctd>\u003Cstrong>38.2\u003C\u002Fstrong>\u003C\u002Ftd>\n            \u003Ctd>\u003Cstrong>43.2\u003C\u002Fstrong>\u003C\u002Ftd>\n            \u003Ctd>\u003Cstrong>62.0\u003C\u002Fstrong>\u003C\u002Ftd>\n            \u003Ctd>\u003Cstrong>64.3\u003C\u002Fstrong>\u003C\u002Ftd>\n            \u003Ctd>\u003Cstrong>58.1\u003C\u002Fstrong>\u003C\u002Ftd>\n        \u003C\u002Ftr>\n    \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n## Expert Model Labeling Toolchain\n\nWe adopt a multi-expert labeling pipeline to obtain reliable annotations for documents. The pipeline includes the following steps:\n1. **Structure Detection**  \n   We use **dots.mocr** for document structure detection and reading-order prediction. The detected regions, including text blocks, tables, formulas, and other layout elements, are cropped from the original page image for subsequent recognition.\n2. **Content Recognition**  \n   Each cropped block is independently recognized by three expert models: **dots.mocr**, **PaddleOCR-VL**, and **Qwen3-VL**. These complementary models provide multiple annotations for the same block, reducing reliance on any single OCR system.\n3. **Block-Level Agreement Filtering**  \n   We compare the recognition results from the three expert models and filter out blocks with low agreement. For retained blocks, we select the prediction that has the highest average agreement with the other two predictions as the final block-level annotation.\n4. **Page-Level Quality Control**  \n   Pages containing any filtered block are discarded. In addition, we use **Qwen3** to verify whether the predicted reading order is reasonable, and **Qwen3-VL** to check whether document regions are missed during structure detection.\nThis multi-expert agreement strategy reduces model-specific annotation errors and improves the reliability of the generated annotations.\n\n### References\n- **dots.mocr**: https:\u002F\u002Fgithub.com\u002Frednote-hilab\u002Fdots.mocr\n- **PaddleOCR-VL**: https:\u002F\u002Fgithub.com\u002FPaddlePaddle\u002FPaddleOCR\n- **Qwen3-VL**: https:\u002F\u002Fgithub.com\u002FQwenLM\u002FQwen3-VL\n- **Qwen3**: https:\u002F\u002Fgithub.com\u002FQwenLM\u002FQwen3\n\n## Copyright\nWe warmly welcome your feedback, suggestions, and contributions, which are essential to the continued development and improvement of our framework. Note: This model is intended for academic research and non-commercial use only. For any questions, please contact us at xbai@hust.edu.cn or ylliu@hust.edu.cn.\n","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。","2026-07-15 02:30:11","CREATED_QUERY"]