两周复刻DeepSeekOCR两人小团队还原DeepSeekOCR
两人小团队，仅用两周就复刻了之前被硅谷夸疯的DeepSeek-OCR？？
复刻版名叫DeepOCR，还原了原版低token高压缩的核心优势，还在关键任务上追上了原版的表现。
完全开源，而且无需依赖大规模的算力集群，在两张H200上就能完成训练。
这一波，彻底让“AI PDF压缩”成为小团队也能玩的事了。
DeepOCR保留了原版的视觉编码核心DeepEncoder构架：
- 第一步：用SAM-base切图，把1024×1024大图变成小块；
- 第二步：卷积压缩token数量，从4096压到256个；
- 第三步：CLIP接手压缩后的tokens，用全局注意力理解语义。
整段视觉处理流程追求的，就是最大化减小token冗余，实现文本→图片→再转文字的“视觉压缩”。
原版用的是参数量大的DeepSeek-3B-MoE做解码，复刻则换成了更常见的Qwen2-7B-Instruct，一来更兼容训练框架，二来全部开源也方便二次开发部署。
替换后的表现也没有显著差距，基础任务上甚至更强，尤其在表格识别这一横竖同步任务上有优越表现。
团队背景也很硬核：一位在清华+普林斯顿主攻多模态视觉，一位是北大物理转计算机方向、现就读爱荷华州立大学，均有Amazon、字节、NVIDIA等一线实习经历。
项目主页：
代码仓库：
