PaddleOCR-VL-1.5 : Vers un modèle de langage visuel multitâche de 0,9B pour un analyse robuste de documents en conditions réelles

PaddleOCR-VL-1.5: Towards a Multi-Task 0.9B VLM for Robust In-the-Wild Document Parsing

January 29, 2026

papers.authors: Cheng Cui, Ting Sun, Suyin Liang, Tingquan Gao, Zelun Zhang, Jiaxuan Liu, Xueqing Wang, Changda Zhou, Hongen Liu, Manhui Lin, Yue Zhang, Yubo Zhang, Yi Liu, Dianhai Yu, Yanjun Ma

cs.AI

papers.abstract

Nous présentons PaddleOCR-VL-1.5, un modèle amélioré atteignant une nouvelle précision record (SOTA) de 94,5 % sur OmniDocBench v1.5. Pour évaluer rigoureusement la robustesse face aux distorsions physiques du monde réel, incluant la numérisation, l'inclinaison, la déformation, la photographie d'écran et l'éclairage, nous proposons le benchmark Real5-OmniDocBench. Les résultats expérimentaux démontrent que ce modèle amélioré atteint des performances SOTA sur ce nouveau benchmark. De plus, nous étendons les capacités du modèle en intégrant des tâches de reconnaissance de sceaux et de repérage de texte, tout en conservant une architecture ultra-compacte de 0,9 milliard de paramètres et une haute efficacité. Code : https://github.com/PaddlePaddle/PaddleOCR

English

We introduce PaddleOCR-VL-1.5, an upgraded model achieving a new state-of-the-art (SOTA) accuracy of 94.5% on OmniDocBench v1.5. To rigorously evaluate robustness against real-world physical distortions, including scanning, skew, warping, screen-photography, and illumination, we propose the Real5-OmniDocBench benchmark. Experimental results demonstrate that this enhanced model attains SOTA performance on the newly curated benchmark. Furthermore, we extend the model's capabilities by incorporating seal recognition and text spotting tasks, while remaining a 0.9B ultra-compact VLM with high efficiency. Code: https://github.com/PaddlePaddle/PaddleOCR