---

一、关于 UniMERNet

UniMERNet 这是一个将数学表达式的图像转换为LaTeX的解决方案，适用于广泛的现实世界场景。

• github : https://github.com/opendatalab/UniMERNet
• Paper : https://arxiv.org/abs/2404.15254
• Dataset (OpenDataLab) : https://opendatalab.com/OpenDataLab/UniMER-Dataset
• Dataset (Hugging Face) : https://huggingface.co/datasets/wanderkid/UniMER_Dataset
• Models (Hugging Face) : https://huggingface.co/wanderkid/unimernet
• 联系：wangbin@pjlab.org.cn

---

演示视频

• DirectRecognition.mp4
• MunualSelection.mp4

---

二、快速入门

---

1、克隆repo并下载模型

git clone https://github.com/opendatalab/UniMERNet.git

---

cd UniMERNet/models
# Download the model and tokenizer individually or use git-lfs
git lfs install
git clone https://huggingface.co/wanderkid/unimernet

---

2、安装

conda create -n unimernet python=3.10

conda activate unimernet

pip install --upgrade unimernet

---

3、运行UniMERNet

1. Streamlight应用程序：要获得交互式和用户友好的体验，请使用我们基于Streamlight的GUI。此应用程序允许实时公式识别和渲染。

unimernet_gui

确保为流线型GUI应用程序安装了最新版本的UniMERNet（pip install --upgrade unimernet）。

---

2. 命令行演示：从图像中预测LaTeX代码。

python demo.py

---

3. Jupyter笔记本演示：从图像中识别和渲染公式。

jupyter-lab ./demo.ipynb

---

四、评估

---

1、下载UniMER-Test数据集

下载UniMER-Test数据集并将其解压缩到以下目录：

./data/UniMER-Test

---

2、运行评估代码

python test.py --cfg configs/demo.yaml

---

3、与SOTA方法的性能比较（BLEU）

UniMERNet在识别真实世界的数学表达式方面明显优于主流模型，在简单打印表达式（SPE）、复杂打印表达式（CPE）、屏幕捕获表达式（SCE）和手写表达式（HWE）中展示了卓越的性能，BLEU分数比较评估证明了这一点。

---

4、不同方法的可视化结果

UniMERNet在具有挑战性的样本的视觉识别方面表现出色，优于其他方法。

---

五、UniMER数据集

---

1、导言

UniMER数据集是一个专门的集合，旨在推进数学表达式识别（MER）领域。它包含全面的UniMER1M训练集，其中包含100多万个代表各种复杂数学表达式的实例，以及UniMER测试集，该测试集精心设计，用于根据现实世界的场景对MER模型进行基准测试。数据集详情如下：

UniMER-1M训练集：

• 总样品：1,061,791乳胶图像对
• 组成：简洁和复杂的平衡组合，扩展公式表达式
• 目的：训练鲁棒、高精度的MER模型，提高识别精度和泛化能力

UniMER测试集：

• 样本总数：23757，分为四种类型的表达：
  • 简单打印表达式（SPE）：6,762个样本
  • 复杂印刷表达（CPE）：5,921个样本
  • 屏幕捕获表达式（SCE）：4,742个样本
  • 手写表达式（HWE）：6,332个样本
• 目的：提供对现实世界条件范围内的MER模型的全面评估

---

2、数据集下载

您可以从OpenDataLab（推荐给中国用户）或HuggingFace下载数据集。

---

六、其它

1、待办事项

• 发布UniMERNet的推理代码和检查点。
• 发布UniMER-1M和UniMER-测试。
• 开源Streamlight公式识别GUI应用程序。
• 发布UniMERNet的训练代码。

---

2、引文

如果您发现我们的模型/代码/论文对您的研究有用，请考虑给我们一个⭐并引用我们的工作📝，谢谢：）

@misc{wang2024unimernet,
      title={UniMERNet: A Universal Network for Real-World Mathematical Expression Recognition}, 
      author={Bin Wang and Zhuangcheng Gu and Chao Xu and Bo Zhang and Botian Shi and Conghui He},
      year={2024},
      eprint={2404.15254},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

---

3、致谢

• VIGC。模型框架依赖于VIGC。
• Texify。一种主流的MER算法，UniMERNet数据处理指的是Texify。
• Latex-OCR。另一种主流MER算法。
• Donut。UniMERNet的变压器编码器-解码器引用自甜甜圈。
• Nougat。标记器使用牛轧糖。

---

2024-07-21（日）