GitHub - PaddlePaddle/PaddleOCR: Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages.
Released PaddleOCR-VL: Model Introduction: PaddleOCR-VL is a SOTA and resource-efficient model tailored for document parsing. Its core component is PaddleOCR-VL-0.9B, a compact yet powerful vision-language model (VLM) that integrates a NaViT-style dynamic resolution visual encoder with the ERNIE-4.5-0.3B language model to enable accurate element recognition. This innovative model efficiently suppo
OCR Arena
Start a BattleUpload an image to start an anonymous OCR battle Need a document? Get a random one
エンジニアの「絵で説明して」問題、Nano Banana Pro（Gemini 3 Pro Image）でどこまで解消できるか試してみた - Qiita
はじめに GMOコネクトの永田です。 エンジニアやアーキテクトの皆さん、こんな経験はありませんか？ 「この技術的な内容、文字だけじゃ分かりにくいから絵で説明して」 分かりやすく説明したい気持ちはあるものの、AWS構成図やアーキテクチャ図を作るのは正直かなり面倒。構成を整理して、レイアウトを考えて、ツールと格闘して...気づけば数時間溶けている😇、なんてことも。 私自身、これまで画像生成AIはほとんど活用していませんでした。きれいな画像は作れても、情報量の多い技術資料には向かないと思い込んでいたからです。 ところが、最近リリースされた Nano Banana Pro（Gemini 3 Pro Image） では、文字や図表がぎっしり詰まった「霞が関パワポ」レベルの画像も生成できるとのこと。 これが本当なら、あの面倒な図版作成がぐっと楽になるかもしれない...！😊 本記事では、過去に私が「
画像でテキストをトークン圧縮するDeepSeek-OCRがいろいろすごい - きしだのHatena
おとといくらいにDeepSeek-OCRというのが出てました。 https://github.com/deepseek-ai/DeepSeek-OCR ただのOCRじゃなくて、「テキストを画像にしたほうがトークンサイズを小さくできるのでは？」というのをやっていて、テキストを画像にしてトークン化したものをテキストトークンに戻すというのをやってたらOCRになったという感じですね。 LLMの開発効率化に革新？ 中国DeepSeekが「DeepSeek-OCR」発表 “テキストを画像化”でデータ圧縮：Innovative Tech（AI+） - ITmedia AI＋ 中身的には、3Bでアクティブパラメータが0.6BのMoEモデルに0.4Bの画像エンコーダーを載せた画像言語モデルです。 導入や使い方は、モデルのページに書いてあります。 何も考えずに最新のTransformers 4.57.1を入れ
docker buildx bake で高速並列ビルド - 誰かの役に立てばいいブログ
Docker ビルド職人の朝は早いーー 毎日コンテナイメージを山ほどビルドしては捨てている皆様、おはようございます。 ビルドの速度はそのまま CI にかかる時間だったりするので、短縮には余念のないことと思います。 レイヤのキャッシュやマルチステージビルドといった基本テクニックについて、ご存じない方は以下の記事がお勧めです。 future-architect.github.io この記事では、良い Dockerfile をさらに活用できる、かもしれない docker buildx bake について紹介します。 bake の紹介の前に、私が抱えていた問題を説明します。 目下のプロジェクトでは Kubernetes 上で多数のマイクロサービスを動作させています。 マイクロサービス群はモノリポ（monorepo）上の共通のフレームワークやライブラリを用いて効率的に開発されています。 そのため、全
mask-compositeでつくるCSSの新しい表現方法 - ICS MEDIA
CSSで特定の形に切り抜く（マスキングする）にはmask-imageプロパティが便利です。マスク用の画像をmask-imageプロパティを使って要素に適用すれば、その画像の不透過部分のみにマスキングできます。mask-imageプロパティに関連して2024年から使用可能になったmask-compositeプロパティを使うと、マスクの合成方法を指定でき、より幅広いマスク表現ができるようになりました。この記事ではmask-compositeプロパティについて解説します。 サンプルを別ウインドウで開く コードを確認する mask-compositeプロパティの値とそのマスク結果の違い mask-compositeプロパティは、複数のマスク画像をどのように合成するかの方法を指定するためのプロパティです。実はmask-imageプロパティは複数画像の指定にも対応しています。複数画像からマスク領域を生
S3経由でXSS!?不可思議なContent-Typeの値を利用する攻撃手法の新観点 - GMO Flatt Security Blog
はじめに セキュリティエンジニアの齋藤ことazaraです。今回は、不可思議なContent-Typeの値と、クラウド時代でのセキュリティリスクについてお話しします。 本ブログは、2024 年 3 月 30 日に開催された BSides Tokyo で登壇した際の発表について、まとめたものです。 また、ブログ資料化にあたり、Content-Type の動作や仕様にフォーカスした形で再編を行い、登壇時に口頭で補足した内容の追記、必要に応じた補足を行なっています。 また、本ブログで解説をする BSides Tokyoでの発表のもう一つの題である、オブジェクトストレージについては、以下のブログから確認をすることが可能ですので、ご覧ください。 blog.flatt.tech なぜ今、この問題を取り上げるのか？ 従来のファイルアップロードにおいて、Content-Type の値を任意の値に設定すること
Docker Buildにおけるリードタイム短縮のための3つの改善ポイント | PLAID engineer blog
こんにちは、エンジニアの oga です。2019/12に入社してプロダクト開発業務に携わっています。 プレイドでは、KARTE の開発及び実行環境としてDockerやk8sを活用していていますが、私自身はこれまでPaaSやFaaSなどのコンテナ管理が隠蔽されている様な形やそもそもコンテナを使わない開発が多かったので、Dockerfileに構築のコマンドを書き連ねてdocker build でバシッとイメージができる便利！ぐらいの理解度でした。 今回はそんな中から基礎として学んだDockerfileのベストプラクティスを、 リードタイム（CI/CDの実行時間）を短縮し開発生産性を向上させる為に行うべき事 という観点でまとめました。 大筋は 公式のベストプラクティス に挙がっている手法を理解し易く整理し、重要だけど分かり辛い部分を解説する内容になります。 3つの改善ポイントDocker Ima
X (旧Twitter) の改悪アップデートについての対応策 は summary_large_image をやめる事 | kazumich.log
どうやら本日 (2023/10/05) くらいから、X (旧Twitter) が変なアップデートがありブログの記事のURL を貼っても画像しか出てこないようになってしまいました。 文句を言っていても仕方がないので、できる対策を考えてみました。 まずは、検証です。 URL を指定した場合 以下のテキストを X (旧Twitter) に POST する。 テスト2 https://kazumich.com/ablogcms-3010-release.html 画像の左下に kazumich.com と表示がされていますが、以前はタイトル・本文・ドメイン の表示が無くなっています。 無事 a-blog cms Ver.3.1.0 のリリースができ... 2023年9月14日に無事 a-blog cms Ver. 3.1.0 を リリースすることができました。本来は 202... kazumich
画像生成AIに2度目の革命を起こした「ControlNet」 (1/4)
画像生成AI「StableDiffusion」の進化が止まりません。昨年8月にオープンソースとしてリリースされてから、世界中のプロアマ問わず多数の人たちが様々な研究成果を反映させ、毎日と言っていいほど新機能を誰かが発表するという状況が起きています。 StableDiffusion登場当初は、画像の品質のランダム性が高く、構図やポーズなどを指定できないという弱点を抱えていました。1枚の画像をもとに画像を生成する「i2i（image2image）」である程度コントロールすることはできても、「キャラクターに特定のポーズをとらせる」といったことは非常に難しかったんですね。 その状況を一変させる新機能が今年2月に登場しました。その名も「ControlNet」。プロンプトによる制約を克服するための、とてつもないポテンシャルを持つ技術でした。Stable Diffusionに次ぐ「2度目の炸裂」と言って
Next.js 13.3
Next.js 13.3 adds popular community-requested features, including: File-Based Metadata API: Dynamically generate sitemaps, robots, favicons, and more. Dynamic Open Graph Images: Generate OG images using JSX, HTML, and CSS. Static Export for App Router: Static / Single-Page Application (SPA) support for Server Components. Parallel Routes and Interception: Advanced routing features for the App Route
Convert PNG, JPG files to SVG vectors online - Vectorizer.AI
PICK Pick a bitmap image that you want to vectorize and drag and drop it onto the page. Bitmap images, such as JPEGs and PNGs, are represented as a grid of little squares called 'pixels', each with its own color. PROCESS We analyze, process, and convert your image from pixels to geometric shapes. The resulting vector image can be scaled to any resolution without getting blurry, and can be used to
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
ついに「GIMP 3.0」がリリース候補版に到達 ～20年ぶりのメジャーアップデート間近／Color Space Invasion、非破壊フィルターのアップデートなど過去最大の改善
Image Generation for Designers - Recraft
grid-template-areas - CSS: カスケーディングスタイルシート | MDN
GitHub - xavctn/img2table: img2table is a table identification and extraction Python Library for PDF and images, based on OpenCV image processing
Build Docker Images Faster | Docker Build Cloud
GitHub - wagoodman/dive: A tool for exploring each layer in a docker image
GitHub - abi/screenshot-to-code: Drop in a screenshot and convert it to clean code (HTML/Tailwind/React/Vue)
AI Photo Generator: Logo, Art, Stock Image, Illustration | Stockimg
