一、PP-StructureV3 简介¶

PP-StructureV3 产线在通用版面解析v1产线的基础上，强化了版面区域检测、表格识别、公式识别的能力，增加了图表理解和多栏阅读顺序的恢复能力、结果转换 Markdown 文件的能力，在多种文档数据中，表现优异，可以处理较复杂的文档数据。本产线同时提供了灵活的服务化部署方式，支持在多种硬件上使用多种编程语言调用。不仅如此，本产线也提供了二次开发的能力，您可以基于本产线在您自己的数据集上训练调优，训练后的模型也可以无缝集成。

二、关键指标¶

Method Type	Methods	Overall^Edit↓		Text^Edit↓		Formula^Edit↓		Table^Edit↓		Read Order^Edit↓
Method Type	Methods	EN	ZH	EN	ZH	EN	ZH	EN	ZH	EN	ZH
Pipeline Tools	PP-structureV3	0.147	0.212	0.059	0.09	0.295	0.535	0.159	0.109	0.075	0.114
	MinerU-0.9.3	0.15	0.357	0.061	0.215	0.278	0.577	0.18	0.344	0.079	0.292
	MinerU-1.3.11	0.166	0.310	0.0826	0.2000	0.3368	0.6236	0.1613	0.1833	0.0834	0.2316
	Marker-1.2.3	0.336	0.556	0.08	0.315	0.53	0.883	0.619	0.685	0.114	0.34
	Mathpix	0.191	0.365	0.105	0.384	0.306	0.454	0.243	0.32	0.108	0.304
	Docling-2.14.0	0.589	0.909	0.416	0.987	0.999	1	0.627	0.81	0.313	0.837
	Pix2Text-1.1.2.3	0.32	0.528	0.138	0.356	0.276	0.611	0.584	0.645	0.281	0.499
	Unstructured-0.17.2	0.586	0.716	0.198	0.481	0.999	1	1	0.998	0.145	0.387
	OpenParse-0.7.0	0.646	0.814	0.681	0.974	0.996	1	0.284	0.639	0.595	0.641
Expert VLMs	GOT-OCR	0.287	0.411	0.189	0.315	0.36	0.528	0.459	0.52	0.141	0.28
	Nougat	0.452	0.973	0.365	0.998	0.488	0.941	0.572	1	0.382	0.954
	Mistral OCR	0.268	0.439	0.072	0.325	0.318	0.495	0.6	0.65	0.083	0.284
	OLMOCR-sglang	0.326	0.469	0.097	0.293	0.455	0.655	0.608	0.652	0.145	0.277
	SmolDocling-256M_transformer	0.493	0.816	0.262	0.838	0.753	0.997	0.729	0.907	0.227	0.522
General VLMs	Gemini2.0-flash	0.191	0.264	0.091	0.139	0.389	0.584	0.193	0.206	0.092	0.128
	Gemini2.5-Pro	0.148	0.212	0.055	0.168	0.356	0.439	0.13	0.119	0.049	0.121
	GPT4o	0.233	0.399	0.144	0.409	0.425	0.606	0.234	0.329	0.128	0.251
	Qwen2-VL-72B	0.252	0.327	0.096	0.218	0.404	0.487	0.387	0.408	0.119	0.193
	Qwen2.5-VL-72B	0.214	0.261	0.092	0.18	0.315	0.434	0.341	0.262	0.106	0.168
	InternVL2-76B	0.44	0.443	0.353	0.29	0.543	0.701	0.547	0.555	0.317	0.228

以上部分数据出自： * OmniDocBench * OmniDocBench: Benchmarking Diverse PDF Document Parsing with Comprehensive Annotations

三、端到端推理benchmark¶

3.1 测试条件¶

Paddle 3.0正式版
PaddleOCR 3.0.0正式版
MinerU 1.3.10
CUDA 11.8
cuDNN 8.9

3.2 测试数据¶

本地推理

测试硬件：NVIDIA Tesla V100 + Intel Xeon Gold 6271C

	产线配置	平均每页耗时（s）	平均CPU利用率（%）	峰值RAM用量（MB）	平均RAM用量（MB）	平均GPU利用率（%）	峰值VRAM用量（MB）	平均VRAM用量（MB）
PP-StructureV3	基础配置	1.77	111.4	6822.4	5278.2	38.9	17403	16909.3
	使用图表识别	4.09	105.3	5628	4085.1	24.7	17403	17030.9
	使用 PP-OCRv5_mobile_det + PP-OCRv5_mobile_rec 轻量模型	1.56	113.7	6712.9	5052	29.1	10929	10840.7
	使用 PP-FormulaNet-M 轻量公式识别模型	1.42	112.9	6944.1	5193.6	38	16390	15840
	使用 PP-OCRv5_mobile_det + PP-OCRv5_mobile_rec + PP-FormulaNet-M	1.15	114.8	6666.5	5105.4	26.1	8606	8517.2
	使用 PP-OCRv5_mobile_det + PP-OCRv5_mobile_rec + PP-FormulaNet-M,文本检测模型输入最大尺寸设置为 1200	0.99	113	7172.9	5686.4	29.2	8776	8680.8
MinerU	-	1.57	142.9	13655.8	12083	43.3	32406	9915.4

测试硬件：NVIDIA A100 + Intel Xeon Platinum 8350C

	Pipeline Configurations	Average time per page (s)	Average CPU (%)	Peak RAM Usage (MB)	Average RAM Usage (MB)	Average GPU (%)	Peak VRAM Usage (MB)	Average VRAM Usage (MB)
PP-StructureV3	Basic	1.12	109.8	9418.3	7977.9	29.8	22294	21638.4
	Use chart recognition pipeline	2.76	103.7	9253.6	7840.6	24	22298	21555.3
	Use PP-OCRv5_mobile_det + PP-OCRv5_mobile_rec	1.04	110.7	9520.8	8034.3	22	12490	12383.1
	Use PP-FormulaNet_plus-M	0.95	111.4	9272.9	7939.9	28.1	22350	21498.4
	Use PP-OCRv5_mobile_det + PP-OCRv5_mobile_rec + PP-FormulaNet_plus-M	0.89	112.1	9457.2	8031.5	18.5	11642	11433.6
	Use PP-OCRv5_mobile_det + PP-OCRv5_mobile_rec + PP-FormulaNet_plus-M, and max length of text detection set to 1200	0.64	113.5	10401.1	8688.8	23.7	11716	11453.9
MinerU	-	1.06	168.3	18690.4	17213.8	27.5	78760	15119

服务化部署

输入数据：1500张图像，包含表格、公式、印章、图表等元素。使用基础配置。

实例数	并发请求数	吞吐	平均时延（s）	成功请求数/总请求数
4卡*1	4	1.69	2.36	1
4卡*4	16	4.05	3.87	1

四、PP-StructureV3 Demo示例¶

更多示例

五、使用方法和常见问题¶

默认模型是什么配置，如果需要更高精度、更快速度、或者更小显存，应该调哪些参数或者更换哪些模型，对结果影响大概有多大？

在“使用轻量OCR模型+轻量公式模型，文本检测max 1200”的基础上，将产线配置文件中的use_chart_recognition设置为False，不加载图表识别模型，可以进一步减少显存用量。在V100测试环境中，峰值和平均显存用量分别从8776.0 MB和8680.8 MB降低到6118.0 MB和6016.7 MB；在A100测试环境中，峰值和平均显存用量分别从11716.0 MB和11453.9 MB降低到9850.0 MB和9593.5 MB。在Python API或CLI设置device为<设备类型>:<设备编号1>,<设备编号2>...（例如gpu:0,1,2,3）可实现多卡并行推理。如果内置的多卡并行推理功能提速效果仍不满足预期，可参考多进程并行推理示例代码，结合具体场景进行进一步优化：多进程并行推理。

服务化部署的常见问题

（1）服务可以并发处理请求吗？

对于基础服务化部署方案，服务同一时间只处理一个请求，该方案主要用于快速验证、打通开发链路，或者用在不需要并发请求的场景；

对于高稳定性服务化部署方案，服务默认在同一时间只处理一个请求，但用户可以参考服务化部署指南，通过调整配置实现水平扩展，以使服务同时处理多个请求。

（2）如何降低时延、提升吞吐？

无论使用哪一种服务化部署方案，都可以通过启用高性能推理插件提升模型推理速度，从而降低处理时延。

此外，对于高稳定性服务化部署方案，通过调整服务配置，设置多个实例，也可以充分利用部署机器的资源，有效提升吞吐。