Commits · 0e2d0b8b4fcc720140589e2ba3817e50393e77b5 · wangsen / MinerU

10 Apr, 2024 2 commits
- parse_pdf_by_ocr 和 cut_image 重构，使用抽象类进行写出操作 · 0e2d0b8b
  赵小蒙 authored Apr 10, 2024
  
  0e2d0b8b
- 实现parse_ocr_pdf api，切图逻辑s3使用平铺地址，本地使用层级地址，删除预设s3_image_save_path · 00f16239
  赵小蒙 authored Apr 10, 2024
  
  00f16239
28 Mar, 2024 1 commit
- ocr_construct_page_component 位置移动 · fc107725
  赵小蒙 authored Mar 28, 2024
  
  fc107725
26 Mar, 2024 1 commit
- footnote drop逻辑更新 · 154eed1a
  赵小蒙 authored Mar 26, 2024
  
  154eed1a
21 Mar, 2024 1 commit
- 部分layout最底部的文本圈不全，降低阈值减少底边文本被丢弃的可能性 · 90ea9096
  赵小蒙 authored Mar 21, 2024
  
  90ea9096
18 Mar, 2024 1 commit
- ocr模式对所有drop的span记录tag并分类 · 5eab010b
  赵小蒙 authored Mar 18, 2024
  
  5eab010b
16 Mar, 2024 1 commit
- 按照统一格式组合文本型pdf的解析结果 · d5ea44f9
  xuchao authored Mar 16, 2024
  
  d5ea44f9
15 Mar, 2024 1 commit
- 修复spans为空list导致的IndexError: list index out of range · a0135640
  赵小蒙 authored Mar 15, 2024
  
  a0135640
14 Mar, 2024 3 commits
- 截图增加s3上传逻辑，移除宽或高为0的spans · 8a2736a5
  赵小蒙 authored Mar 14, 2024
  
  8a2736a5
- ocr模式下content type 抽象 · 26c23782
  赵小蒙 authored Mar 14, 2024
  
  26c23782
- 在layout.pdf中绘制drop的bbox · b6f051d8
  赵小蒙 authored Mar 14, 2024
  
  b6f051d8
13 Mar, 2024 9 commits
- 在dict中加入qa需要的字段 · 85587b25
  赵小蒙 authored Mar 13, 2024
  
  85587b25
- fix import · b560c18f
  赵小蒙 authored Mar 13, 2024
  
  b560c18f
- add modify inline equation y axis · 21cfaf4c
  liukaiwen authored Mar 13, 2024
```
add false displayed equation to inline equation
```
  21cfaf4c
- fix import · 6f7aa890
  赵小蒙 authored Mar 13, 2024
  
  6f7aa890
- add modify inline equation y axis · 64d67b5c
  liukaiwen authored Mar 13, 2024
```
add false displayed equation to inline equation
```
  64d67b5c
- add modify inline equation y axis · 1f468bed
  liukaiwen authored Mar 13, 2024
```
add false displayed equation to inline equation
```
  1f468bed
- 将对span的操作移动到ocr_span_list_modify，增加独占一行区块的位置调整逻辑 · 32fd7f95
  赵小蒙 authored Mar 13, 2024
  
  32fd7f95
- remove_overlaps_min_spans阈值调整 0.8->0.65 · 86dc22ca
  赵小蒙 authored Mar 13, 2024
  
  86dc22ca
- 移动modify_y_axis在pipeline中的位置 · 63969109
  赵小蒙 authored Mar 13, 2024
  
  63969109
12 Mar, 2024 9 commits
- span重叠删除的阈值0.8->0.5 · 070139a5
  赵小蒙 authored Mar 12, 2024
  
  070139a5
- feat: complete self check · 2611e853
  许瑞 authored Mar 12, 2024
  
  2611e853
- feat: add remove bbox overlap · 43581df6
  许瑞 authored Mar 12, 2024
  
  43581df6
- pdf_info_dict中间态结构调整 · 61a0c62c
  赵小蒙 authored Mar 12, 2024
  
  61a0c62c
- 增加生成多模态markdown逻辑 · ec1a6ef7
  赵小蒙 authored Mar 12, 2024
  
  ec1a6ef7
- 修复了layout相交的分离算法，并修复layout排序有误的问题 · 3c8b2545
  赵小蒙 authored Mar 12, 2024
  
  3c8b2545
- add modify inline equation y axis · 5513e48a
  liukaiwen authored Mar 12, 2024
```
add false displayed equation to inline equation
```
  5513e48a
- lkw · f9f36c10
  liukaiwen authored Mar 12, 2024
  
  f9f36c10
- lkw · 94a7ba3d
  liukaiwen authored Mar 12, 2024
  
  94a7ba3d
11 Mar, 2024 2 commits
- 模型输出的layout顺序没有排序，需要后期排序 · 72b7894c
  赵小蒙 authored Mar 11, 2024
  
  72b7894c
- 修复多栏模式下lines可能为空导致的异常 · 012a8f15
  赵小蒙 authored Mar 11, 2024
  
  012a8f15
08 Mar, 2024 7 commits
- ocr模式增加截图功能 · a5f8de98
  赵小蒙 authored Mar 08, 2024
  
  a5f8de98
- span进入具体的layout后,需要在下次循环前将该span移除 · 68e83c12
  赵小蒙 authored Mar 08, 2024
  
  68e83c12
- span->line现基于模型的layout进行拼接 · 864e9535
  赵小蒙 authored Mar 08, 2024
  
  864e9535
- 更新remove_spans_by_bboxes中选择被删除的span的逻辑 · 0c279ffc
  赵小蒙 authored Mar 08, 2024
  
  0c279ffc
- 对模型的layout坐标转换 · f9bd0040
  赵小蒙 authored Mar 08, 2024
  
  f9bd0040
- 将模型和pymu坐标的转换逻辑抽象成方法 · f62d1aa7
  赵小蒙 authored Mar 08, 2024
  
  f62d1aa7
- ocr模式下删除header/page number/footnote/footer · 388223f2
  赵小蒙 authored Mar 08, 2024
  
  388223f2
07 Mar, 2024 1 commit
- 增加ocr模式的layout解析功能 · fcea39d3
  赵小蒙 authored Mar 07, 2024
  
  fcea39d3
05 Mar, 2024 1 commit
- footnote检测逻辑更新 · 71a042d9
  赵小蒙 authored Mar 05, 2024
  
  71a042d9