image
imagewidth (px) 596
596
| raw_queries
listlengths 1
1
| broad_topical_query
stringclasses 10
values | broad_topical_explanation
stringclasses 10
values | specific_detail_query
stringclasses 10
values | specific_detail_explanation
stringclasses 10
values | visual_element_query
stringclasses 9
values | visual_element_explanation
stringclasses 10
values | parsed_into_json
bool 1
class | markdown
stringclasses 10
values | inference_info
stringclasses 1
value |
|---|---|---|---|---|---|---|---|---|---|---|
[
"{\n \"broad_topical_query\": \"1954 Blue Book Project\",\n \"broad_topical_explanation\": \"This query targets the specific year and project mentioned in the document, which is likely to be a unique identifier for this document.\",\n \"specific_detail_query\": \"L'astronomie et la lune\",\n \"specific_detail_explanation\": \"This query focuses on the specific topic of astronomy and the moon, which is a central theme in the document.\",\n \"visual_element_query\": \"Page 0\",\n \"visual_element_explanation\": \"This query references the page number, which is a unique identifier for this document within a larger corpus.\"\n}"
] |
1954 Blue Book Project
|
This query targets the specific year and project mentioned in the document, which is likely to be a unique identifier for this document.
|
L'astronomie et la lune
|
This query focuses on the specific topic of astronomy and the moon, which is a central theme in the document.
|
Page 0
|
This query references the page number, which is a unique identifier for this document within a larger corpus.
| true
|
AVRIL 1954
Projet :" Blue Book "
TOP SECRET
Pourquoi les astronomes ne veulent pas parler de la lune
Des villes qui croissent, des signaux lumineux, des explosions et des ombres géométriques étrangèses-cocé et d'autres phénomènes inexpliquables par des lois montuelles connues ont intitulé cette observation sur la lune par des hommes de sciences renommés. Qu'y a-t-il d'orrerie à la rondeur tirée ? Pourquoi ces découvertes sensationnelles sont-elles tues ?
par
Joseph Millard
Joseph Millard est un rédacteur bien connu d'articles historiques et scientifiques, collaborateur de publications en vue. L'article perçoit qui suit est, à notre avis, l'une des plus passionne et importante place que "Blue Book" a jamais publié. - Les Éditeurs.
Lorsque nous tûmes à l'Université, l'on nous a appris une série d'essais complète de "feits" au sujet de la lune.
L'on nous a dit que la vie y était impossible, qu'il n'y avait pas d'air, qu'elle était froide, ouverte de crestes de volons éteints, un globe de roches mortes.
Ces informations étaient sans appel et nettes. L'ennui est que ces "feits" ne peuvent plus être acceptés. Jetons un regard sur le tableau suivant :
1- Il se passe quelque chose là-des fusées sont londes, des lumières se déploient, des montagnes se déplacent, des bâtiments, des premiers, des ostrédreales, des enceintes et des tunnels sont construits.
2- Si la lune est sans air, elle est un succédent efficace, quelque chose qui supporte des nuages, qui refonte l'ombre, dé-place des montagnes et qui porte des aéroports à l'incendus.
3- Elle semble froide, mais une partie est chaude.
4- Le Science se fait maintenant que les immense crestères lunsires ne pourront être des volons et pournt certains d'entre eux sont en éruption.
5- Le lune n'est pas un globe, si elle est faite de roc, c'est le roc le plus étrange dont les géologistes ont jamais entendu parler.
|
[{"model_id": "tencent/HunyuanOCR", "column_name": "markdown", "timestamp": "2025-11-25T11:12:38.051020", "prompt_mode": "parse-document", "prompt_language": "en"}]
|
|
[
"{\n \"broad_topical_query\": \"Document about the study of Alhazen's work on optics\",\n \"broad_topical_explanation\": \"This query focuses on the main subject of the document, which is the study of Alhazen's work on optics.\",\n \"specific_detail_query\": \"Alhazen's work on optics\",\n \"specific_detail_explanation\": \"This query targets a specific detail mentioned in the document, which is Alhazen's work on optics.\",\n \"visual_element_query\": \"Document with a reference to Alhazen's work on optics\",\n \"visual_element_explanation\": \"This query looks for a document that contains a reference to Alhazen's work on optics, which is a visual element in the document.\"\n}"
] |
Document about the study of Alhazen's work on optics
|
This query focuses on the main subject of the document, which is the study of Alhazen's work on optics.
|
Alhazen's work on optics
|
This query targets a specific detail mentioned in the document, which is Alhazen's work on optics.
|
Document with a reference to Alhazen's work on optics
|
This query looks for a document that contains a reference to Alhazen's work on optics, which is a visual element in the document.
| true
|
Au moment où est artiole est écrit, L'anné a été transformé en une grande tache grise qui change de forme et de dimension. Seule le ciel seit ce qu'il sera au moment où vous lisez ceci...
Au début du sibel de dernier l'astronome Schroerter étudie les ospirines de la Lune per le revenon et le retrait du bord ensoleillé. Comme point de repère pour la manuvration il est donc près de 23 milles dens Mare Crissinum, per qu'il était très supérieur à l'ordre nord-est et étroit très visible sous forme d'un objet gris. Cele lui fût utile pour le but proposé.
Récemment, H.P Wilkins de la Soociété Royale d'Astronom, très occupé à étudier ce magnifie que se porte d'étoillement de la surface luneire de haut pien, lorsque voulant y situer Alhesen, il fût stupéfait : Alhesen avait disparu. Un objectif de 23 milles d'étroit tout simplement volatillement comme le soleil de la semaine précédente.
Wilkins est un type plein de ressources et non fantôsque. Alhesen dit-il était toujours là. Le chose infernale avait tout simplement ohengé de couleur et s'est émouvée en se fondant avec les éléments, mais il ne pervint pas à exilquer comment Alhesen avait fait pour s'enfoncer également le longue ombre noire que son rebord produit.
Enseite il y a Hyginus N, ceu de plus d'onges rongés que le ocelaire de Merilyn Monroe.
Cela débutne en mai 1977, lorsque le Dr Klein observe soudainement un large objet, bien visible. Hyginus N. Personne ne put l'identifier, mais personne ne pouvait peu devenir Hyginus N et observé minutieusement. Un mois plus tard il était le partie la plus seillante d'en un large rayon. Jusqu'aux nuits plus tard il avait disparu.
Une année passé et voilà soudain Hyginus N là de nouveau, encore plus grand et plus seillant. Il disparut, revient à disparir à nouveau. Il se s'est Plus montré ce dernier temps, per ce qu'on n'est pas une connaissance. A se placer, une grande entelleme noire coudément s'aperce dans Hyginus N, là où il n'y en ait pas superen.
Lorsque les observateurs sont fatigés de voir ce lieu, ils peuvent brevenir leur téléscope à quelques milles au nord de Hyginus N et jurer à la vue d'une belle montagne en spirale que seul un ver sollicite devenu fou fureux aurait pu former.
Mais un nouveau spectacle est sur le point de débuter. En os moment Proclus est très occupé à pousser de gris sombre à blané pur avec de brillantes stries. Celui-ci égage peut être à blon par point de jouer un tour de disparition.
Enseite il y a toute une octégorie de taches folles sur le Lune qui orominent, se rétréissent et ohengent de couleur. Certains soléno-groupes sont en fait s'étant de végétation. Vous pouvez même s'éve de simples jumelles. Rechercheros Erestothénes, l'immense oretère situé au bord sur Mare Imbrium et regardées à...
|
[{"model_id": "tencent/HunyuanOCR", "column_name": "markdown", "timestamp": "2025-11-25T11:12:38.051020", "prompt_mode": "parse-document", "prompt_language": "en"}]
|
|
[
"{\n \"broad_topical_query\": \"Document discussing radioactivity and celestial phenomena\",\n \"broad_topical_explanation\": \"This query covers the main subject of the document, which is the study of radioactivity and its effects on celestial phenomena.\",\n \"specific_detail_query\": \"Observations of radioactivity during solar eclipses\",\n \"specific_detail_explanation\": \"This query focuses on a specific fact mentioned in the document, which is the observation of radioactivity during solar eclipses.\",\n \"visual_element_query\": \"Document page with text in French\",\n \"visual_element_explanation\": \"This query refers to the visual element of the document page, which contains text in French, indicating that the document is likely in French and contains text related to the topics mentioned.\"\n}"
] |
Document discussing radioactivity and celestial phenomena
|
This query covers the main subject of the document, which is the study of radioactivity and its effects on celestial phenomena.
|
Observations of radioactivity during solar eclipses
|
This query focuses on a specific fact mentioned in the document, which is the observation of radioactivity during solar eclipses.
|
Document page with text in French
|
This query refers to the visual element of the document page, which contains text in French, indicating that the document is likely in French and contains text related to the topics mentioned.
| true
|
11
---
l'intérieur. Vous remarquerez plusieurs larges toches gmi chon-gent de dimension et de forme d'une nuit à l'autre, il y en a une bête. Trois petites toches de l'âge de Schickard, Hyginus et d'autres chongent régulièrement. À l'oeil du vous pouvez voir une toche sombre à l'est d'Aristeterius. Photogr-phie à la lumière bleue, infre-rouge ou ultra-violette elle oppe-raite comme une lumière d'éclairage. Photogr-phie à une lumière jaune, elle disperait complètement.
Walter Hess pense que les toches ne sont pas de la végétation mais des points de radio-activité ouquéd par le bombeau, dit-direz de force non protégée versant du Soleil. Au cours de l'éclipse de 26 Aût 1942, il groupueuse équipe d'observateurs dene le but de voir si un chogement des toches se produirait au moment où à l'oreille d'un rayon coupe directement les toches. Il obtient des résultats et prouve qu'il était en effet, quelqu'un, mis certains des résultats confirment quand même une théorie de radio-activité.
Au cours de l'éclipse, deux toches sombres opperrent dens Athès et y restent par le suite pendant plusieurs heures. Il augue donc Conon devinpt plus petit et ce bonvieux Limé semble devenir plus petit et plus brilent. Dans l'oeil, une toche sombre de la tine devinpt encore plus petit et disparit ensuite complètement pendant une heure. Mervin et Weymans, deux grands hommes, dens Grinoldi l'une d'essombrit et l'autre devinpt plus lumoureuse.
Des chongements dens le Crotier Rassiolo durant trois heures et demie. Aristeterius attendit l'éclipse de 1949 pour faire une période montante, de lumières ordentes et toutes sortes de choses folloihonnées.
L'oeil peut otoctober du crédit à l'idée de la radio-activité. Elle peut même réduire un peu le clarté terrestre les vertuoures ont toujours ord que le fiable lueur, qui perfoie illumine les peries obscures de la Lune, était due à de la lumière réflectée de la Terre. Certains le trouveront trèsressumtre lorsqu'il découvrirent le même lueur éclairer Venu.
Au cours de l'obscurité, le température à la surface de la Lune est de 250° sous éroir, mis durant l'éclipse de 6 Octobre 1949, Hess d'oeil dans un thermique coup dirigé vers les toches. Trouvont certaines toches dens Merestosthena et Grimoldi étant plus cheudes que dans le surface environnante. Certaines toches étcient obscure, d'autres claires. Hess dit "Radiocitivité", ces rivaux ré-pliquèrent "Volcains".
Dicks et Beringer oyont pris quelques températures par radio ne furent pas très heureux. Les indolions trennieses par radio ne correspondent pas du tout vieux celles qui devinent à infre-rouge. Elles correspondent préfaitement donc tout l'Univer, mais du moment que le Lune s'en mème, elle devient le cheas. Actuellement, personne ne sait si cette damnée chose est plus cheudé ou plus froide ou pauzqui.
|
[{"model_id": "tencent/HunyuanOCR", "column_name": "markdown", "timestamp": "2025-11-25T11:12:38.051020", "prompt_mode": "parse-document", "prompt_language": "en"}]
|
|
[
"{\n \"broad_topical_query\": \"Science fiction journal articles on lunar eclipses and astronomy\",\n \"broad_topical_explanation\": \"This query covers the main subject of the document, which is the observation and description of lunar eclipses and related astronomical phenomena.\",\n \"specific_detail_query\": \"200 years ago, Sir John Herschel reported on lunar eclipses\",\n \"specific_detail_explanation\": \"This query focuses on a specific historical event mentioned in the document, which would be a key detail for someone searching for this particular report.\",\n \"visual_element_query\": \"A page from a science fiction journal\",\n \"visual_element_explanation\": \"This query refers to the visual element of the document, which is a page from a science fiction journal. It would be effective for someone looking for documents with similar visual characteristics.\"\n}"
] |
Science fiction journal articles on lunar eclipses and astronomy
|
This query covers the main subject of the document, which is the observation and description of lunar eclipses and related astronomical phenomena.
|
200 years ago, Sir John Herschel reported on lunar eclipses
|
This query focuses on a specific historical event mentioned in the document, which would be a key detail for someone searching for this particular report.
|
A page from a science fiction journal
|
This query refers to the visual element of the document, which is a page from a science fiction journal. It would be effective for someone looking for documents with similar visual characteristics.
| true
|
Des choses qui pourraient être prises pour des écluubres
d'un joursel de solenope-fiction ne sont présents par la.Préndez l'Année de l'Enore. Au cours de la moine nuit des poi fumit,commençé gouttierien esonne,ouvert aut de P.Le P.Le P.
|
[{"model_id": "tencent/HunyuanOCR", "column_name": "markdown", "timestamp": "2025-11-25T11:12:38.051020", "prompt_mode": "parse-document", "prompt_language": "en"}]
|
|
[
"{\n \"broad_topical_query\": \"Document about the history and observations of the Moon\",\n \"broad_topical_explanation\": \"This query covers the main subject of the document, which is the history and observations of the Moon.\",\n \"specific_detail_query\": \"Observations of the Moon by Aristarchus\",\n \"specific_detail_explanation\": \"This query focuses on a specific fact mentioned in the document, which is the observations of the Moon by Aristarchus.\",\n \"visual_element_query\": \"Image of the Moon\",\n \"visual_element_explanation\": \"This query refers to the image of the Moon mentioned in the document, which is a visual element that could be used to retrieve the document.\"\n}"
] |
Document about the history and observations of the Moon
|
This query covers the main subject of the document, which is the history and observations of the Moon.
|
Observations of the Moon by Aristarchus
|
This query focuses on a specific fact mentioned in the document, which is the observations of the Moon by Aristarchus.
|
Image of the Moon
|
This query refers to the image of the Moon mentioned in the document, which is a visual element that could be used to retrieve the document.
| true
|
13
|
[{"model_id": "tencent/HunyuanOCR", "column_name": "markdown", "timestamp": "2025-11-25T11:12:38.051020", "prompt_mode": "parse-document", "prompt_language": "en"}]
|
|
[
"{\n \"broad_topical_query\": \"Observations of lunar eclipses and their effects on the Moon\",\n \"broad_topical_explanation\": \"This query covers the main subject of the document, which is the observation of lunar eclipses and their impact on the Moon.\",\n \"specific_detail_query\": \"The Moon is described as being in a state of suspension due to the attraction of the Earth\",\n \"specific_detail_explanation\": \"This query focuses on a specific fact mentioned in the document, which is the suspension of the Moon due to the Earth's attraction.\",\n \"visual_element_query\": \"Image of the Moon and Earth\",\n \"visual_element_explanation\": \"This query refers to the visual element in the document, which is an image of the Moon and Earth, indicating the topic of the document.\"\n}"
] |
Observations of lunar eclipses and their effects on the Moon
|
This query covers the main subject of the document, which is the observation of lunar eclipses and their impact on the Moon.
|
The Moon is described as being in a state of suspension due to the attraction of the Earth
|
This query focuses on a specific fact mentioned in the document, which is the suspension of the Moon due to the Earth's attraction.
|
Image of the Moon and Earth
|
This query refers to the visual element in the document, which is an image of the Moon and Earth, indicating the topic of the document.
| true
|
14
souvent observés au cours d'éclipse, de même que des esondrilles d'aloeilée claire et sombre, semblent m'encouverter dans le ciel l'abricoire. Lui en cours de l'éclairement du Novembre 1910 une vitere distante, l'un de l'autre, et des observateurs de deux points très loin, l'un de l'autre, viennent une boule de lumière projetée plus d'une fois journée, l'une que de ce genre de osseurs vires, l'oeil de la lune, qui est de l'oeil de la lune, et de ce genre de rumeurs de derrière,
|
[{"model_id": "tencent/HunyuanOCR", "column_name": "markdown", "timestamp": "2025-11-25T11:12:38.051020", "prompt_mode": "parse-document", "prompt_language": "en"}]
|
|
[
"{\n \"broad_topical_query\": \"Document about the Moon's gravitational effect on Earth\",\n \"broad_topical_explanation\": \"This query focuses on the main topic of the document, which is the gravitational influence of the Moon on Earth.\",\n \"specific_detail_query\": \"The Moon's gravitational effect on Earth\",\n \"specific_detail_explanation\": \"This query targets a specific detail mentioned in the document, which is the Moon's gravitational effect on Earth.\",\n \"visual_element_query\": \"Document with a table or chart\",\n \"visual_element_explanation\": \"This query is based on the presence of a table or chart in the document, which is not visible in the image provided. If the document contains such a visual element, this query would be effective in retrieving it.\"\n}"
] |
Document about the Moon's gravitational effect on Earth
|
This query focuses on the main topic of the document, which is the gravitational influence of the Moon on Earth.
|
The Moon's gravitational effect on Earth
|
This query targets a specific detail mentioned in the document, which is the Moon's gravitational effect on Earth.
|
Document with a table or chart
|
This query is based on the presence of a table or chart in the document, which is not visible in the image provided. If the document contains such a visual element, this query would be effective in retrieving it.
| true
|
15
---
souvent être reçoillées. Vous ne pouvez faire confinements à la l'école claire et semblez de 16 décembre 1931 une vite bi
|
[{"model_id": "tencent/HunyuanOCR", "column_name": "markdown", "timestamp": "2025-11-25T11:12:38.051020", "prompt_mode": "parse-document", "prompt_language": "en"}]
|
|
[
"{\n \"broad_topical_query\": \"Document about the influence of the moon on human behavior\",\n \"broad_topical_explanation\": \"This query covers the main subject of the document, which is the influence of the moon on human behavior.\",\n \"specific_detail_query\": \"Document mentioning Duke University and its research on the moon\",\n \"specific_detail_explanation\": \"This query focuses on a specific detail from the document, which is the mention of Duke University and its research on the moon.\",\n \"visual_element_query\": \"Document with a table or chart about the moon's influence\",\n \"visual_element_explanation\": \"This query refers to a visual element in the document, which is a table or chart about the moon's influence.\"\n}"
] |
Document about the influence of the moon on human behavior
|
This query covers the main subject of the document, which is the influence of the moon on human behavior.
|
Document mentioning Duke University and its research on the moon
|
This query focuses on a specific detail from the document, which is the mention of Duke University and its research on the moon.
|
Document with a table or chart about the moon's influence
|
This query refers to a visual element in the document, which is a table or chart about the moon's influence.
| true
|
16
---
L'homme o tourniers rendu la Lune comme treveure de ses propres vœts.
Les mots de vient de Lune comme troublé et répondre l'éventuel fait se faire suivent et les mots éternent donné qu'il en pleine Lune. Si elle semble faite et le souffle.
La pleine Lune était une exouse pour les violences et ke jour n'est peut-être pas loin que nous fossions le même chose.
Duke University et d'autres centres de recherche, les mouvements peuvent avoir des "mouvements" qui sont de la nature des émotions et des émotions qui sont indigènes augmentées dans le parcours de la pleine Lune. Les départements de la police ont un ordre d'assistance automatique pour leurs grands courbes ou courbes de la période. Les registres d'osiles de l'éloïne et des grands départements de la police montrent un rapport d'observation en cours de trouble et la pleine Lune.
Mais l'iridienne, un iris Sud-africain, fleurit le premier jour du premier jour de la Lune. Elle est le premier jour du premier jour de la Lune. Elle fleurit à nouveau à d'avoir d'un jour.
Le ver merin" Eunipos Viridis ne froye que dur
|
[{"model_id": "tencent/HunyuanOCR", "column_name": "markdown", "timestamp": "2025-11-25T11:12:38.051020", "prompt_mode": "parse-document", "prompt_language": "en"}]
|
|
[
"{\n \"broad_topical_query\": \"Document about the Moon and its effects on human behavior\",\n \"broad_topical_explanation\": \"This query covers the main subject of the document, which is the Moon's influence on human behavior and the strange occurrences that might be attributed to it.\",\n \"specific_detail_query\": \"Richard Burton as a translator for 'Mille et Une Nuits'\",\n \"specific_detail_explanation\": \"This query focuses on a specific detail mentioned in the document, which is Richard Burton's role as a translator for 'Mille et Une Nuits'.\",\n \"visual_element_query\": \"Document page with text in French\",\n \"visual_element_explanation\": \"This query refers to the visual element of the document page, which is a document page with text in French. This could be effective in retrieving the document if the search engine has image recognition capabilities.\"\n}"
] |
Document about the Moon and its effects on human behavior
|
This query covers the main subject of the document, which is the Moon's influence on human behavior and the strange occurrences that might be attributed to it.
|
Richard Burton as a translator for 'Mille et Une Nuits'
|
This query focuses on a specific detail mentioned in the document, which is Richard Burton's role as a translator for 'Mille et Une Nuits'.
|
Document page with text in French
|
This query refers to the visual element of the document page, which is a document page with text in French. This could be effective in retrieving the document if the search engine has image recognition capabilities.
| true
|
17
---
Le mot courbier fais que que votre femme me trevere de vous êtes.
Le met n'essuie de t'idépter d'une blanche, expliquez lui si vous n'êtes
pour les blocs pleins donné que qu'il en y pleine Lune. Si elle
esseuse-le se svoire.
Si tout cei esite votre ourisioit et si vous déoidez de posser
votempe destudieur de Lune, feiteit Lune. Astronomes
peuvent voir leur raison. Riehard Burton traduoteur renonse rem
la traduotion desu et Une que Nue est homme de sciencee rea
les, pensements emmages diverses expos de l'arrivie vous
pour le pleine Lune. Les montent blonchie en dorment expos à le lumière brillente de le
Vous ne pouvez rire si vous le désirez, mieux là où il s'egit de le Lu
ne, ne premes plus pour aussi même là même l'être.
Vous ne pouvez rire si vous le désirez, mieux là où il s'egit de le Lu
ne, ne premes plus pour aussi même là même l'être.
Des choses extrèmenement átrenges se possent là.
Aux tout trué identifie forser + + +.
Ces choses extrèmenement átrenges se possent là.
Les mames essuie le lieu en borrotoire des
l'emmes ess
|
[{"model_id": "tencent/HunyuanOCR", "column_name": "markdown", "timestamp": "2025-11-25T11:12:38.051020", "prompt_mode": "parse-document", "prompt_language": "en"}]
|
|
[
"{\n \"broad_topical_query\": \"Blank document page\",\n \"broad_topical_explanation\": \"This query is effective because it covers the main subject of the document, which is the blank page itself.\",\n \"specific_detail_query\": \"Blank document page with a small tear on the left edge\",\n \"specific_detail_explanation\": \"This query is effective because it focuses on a specific detail of the document, which can help in identifying documents with similar characteristics.\",\n \"visual_element_query\": \"Blank document page\",\n \"visual_element_explanation\": \"This query is effective because it refers to the visual element of the document, which can be useful in retrieving documents with similar visual characteristics.\"\n}"
] |
Blank document page
|
This query is effective because it covers the main subject of the document, which is the blank page itself.
|
Blank document page with a small tear on the left edge
|
This query is effective because it focuses on a specific detail of the document, which can help in identifying documents with similar characteristics.
|
Blank document page
|
This query is effective because it refers to the visual element of the document, which can be useful in retrieving documents with similar visual characteristics.
| true
|
The text in the picture is：
L'homme toujours jeuvre pour se faire bêtises.
Le met lumière pour donner donné. Il en fait de plus pour les essuies.
L'alimentation de l
|
[{"model_id": "tencent/HunyuanOCR", "column_name": "markdown", "timestamp": "2025-11-25T11:12:38.051020", "prompt_mode": "parse-document", "prompt_language": "en"}]
|
Document OCR using HunyuanOCR
This dataset contains OCR results from images in davanstrien/ufo-ColPali using HunyuanOCR, a lightweight 1B VLM from Tencent.
Processing Details
- Source Dataset: davanstrien/ufo-ColPali
- Model: tencent/HunyuanOCR
- Number of Samples: 10
- Processing Time: 2.9 min
- Processing Date: 2025-11-25 11:12 UTC
Configuration
- Image Column:
image - Output Column:
markdown - Dataset Split:
train - Batch Size: 16
- Prompt Mode: parse-document
- Prompt Language: English
- Max Model Length: 16,384 tokens
- Max Output Tokens: 16,384
- GPU Memory Utilization: 80.0%
Model Information
HunyuanOCR is a lightweight 1B VLM that excels at:
- 📝 Document Parsing - Full markdown extraction with reading order
- 📊 Table Extraction - HTML format tables
- 📐 Formula Recognition - LaTeX format formulas
- 📈 Chart Parsing - Mermaid/Markdown format
- 📍 Text Spotting - Detection with coordinates
- 🔍 Information Extraction - Key-value, fields, subtitles
- 🌐 Translation - Multilingual photo translation
Prompt Modes Available
parse-document- Full document parsing (default)parse-formula- LaTeX formula extractionparse-table- HTML table extractionparse-chart- Chart/flowchart parsingspot- Text detection with coordinatesextract-key- Extract specific key valueextract-fields- Extract multiple fields as JSONextract-subtitles- Subtitle extractiontranslate- Document translation
Dataset Structure
The dataset contains all original columns plus:
markdown: The extracted text in markdown formatinference_info: JSON list tracking all OCR models applied to this dataset
Usage
from datasets import load_dataset
import json
# Load the dataset
dataset = load_dataset("{output_dataset_id}", split="train")
# Access the markdown text
for example in dataset:
print(example["markdown"])
break
# View all OCR models applied to this dataset
inference_info = json.loads(dataset[0]["inference_info"])
for info in inference_info:
print(f"Column: {info['column_name']} - Model: {info['model_id']}")
Reproduction
This dataset was generated using the uv-scripts/ocr HunyuanOCR script:
uv run https://huggingface.co/datasets/uv-scripts/ocr/raw/main/hunyuan-ocr.py \
davanstrien/ufo-ColPali \
<output-dataset> \
--image-column image \
--batch-size 16 \
--prompt-mode parse-document \
--max-model-len 16384 \
--max-tokens 16384 \
--gpu-memory-utilization 0.8
Generated with UV Scripts
- Downloads last month
- 29