AE3-TL

AE3-TL

找出数字版 PDF 页面上的每个表格，并逐个单元格重建，保留合并单元格、表头、标题和脚注。适合从报告、申报文件和论文中提取表格的团队。

由 APEXE3HQ 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：AE3-TL 是 APEXE3HQ 推出的表格提取模型，有 32M 参数。它查看渲染后的 PDF 页面和页面自带的文字，然后把每个表格作为单元格网格返回。表头、合并单元格、单元格文字、标题和脚注都会与正确的表格关联起来。

适合谁：需要从数字版 PDF 中提取表格的团队，比如报告、申报文件、论文和对账单，并且要求单元格文字与文档完全一致。模型卡说它可以在单块 GPU 上运行，也可以通过 ONNX 在 CPU 上运行。

Title: 谁在用，怎么用
Industry | Who uses it | How they use it | Example
金融 | 分析师 | 从申报文件和对账单中提取表格 | 把一页资产负债表变成行和列
研究 | 研究人员 | 从论文中提取结果表格 | 从一批 PDF 论文中收集表格
数据工程 | 数据管道开发者 | 对大型文档集运行提取 | 逐页处理积压的报告
文档软件 | 开发者 | 给 PDF 工具加上表格识别 | 显示每个检测到的表格并附上它的标题

如果你的 PDF 是没有文字层的扫描件，可以跳过它，因为单元格文字来自 PDF 自带的文字，而不是通过读图得到。

用在哪里：

• Python 或任何能运行 ONNX 模型的程序
• 单块 GPU，较小的任务也可以用 CPU
• Windows、macOS 或 Linux，用于下载文件
• 已经会渲染 PDF 页面并读取页面文字的文档处理流程

Use case | Who | What they get back
表格提取 | 分析师 | 逐个单元格重建的每个表格，含表头和合并单元格
标题关联 | 文档团队 | 在内容繁杂的页面上，标题和脚注与正确的表格对应
批量处理 | 工程师 | 以模型卡报告的速度从大量页面中提取表格

如何设置：你需要 Python 和 pip 来下载，还需要一种运行 ONNX 模型的方式。你还需要把每个 PDF 页面渲染成图片，并读取带位置的文字。

• Python 和 pip
• 一个 ONNX 运行时
• 一个渲染 PDF 页面并读取其文字层的步骤

1. 安装 Hugging Face hub 库。
2. 下载这个仓库。
3. 通过你的 ONNX 运行时，把渲染后的页面和页面文字喂给它。

pip install -U huggingface_hub
hf download APEXE3HQ/ae3-tl

如何使用：每个页面给模型两个输入，渲染后的图片和带位置的文字。它会返回页面上的每个表格。模型卡把完整的运行步骤放在它的代码仓库里。

Tool | What it does
Rendered page image | 第一个输入，模型从中读取表格结构
Words with positions | 第二个输入，来自 PDF 的文字层
Grid output | 每个表格的单元格、表头、文字、标题和脚注

示例：你给它一份年报里有两个表格及其标题的页面。它把每个表格作为单元格网格返回，保留合并的表头单元格，并把每个标题与下面的表格关联起来。

新手与专家：如果你是新手，可以把它看成一个能看出表格线和单元格在哪里，再把 PDF 里的文字抄进去的工具。先从只有一个表格的页面开始。

对熟悉的人来说，结构来自页面图片，文字来自 PDF 本来就有的文字，这样可以避免识别错误。在 PubTables-v2 页面级测试中，73.7% 的表格完全匹配，POTATR 是 64.5%，Gemini 3.1 Pro 是 35.2%。

把 PDF 页面渲染成图片
读取页面的文字和位置
模型找出每个表格的结构
返回单元格、标题和脚注

注意事项：

Title: 完全还原的表格比例，基于 9,047 个测试表格
AE3-TL: 73.7 %
POTATR: 64.5 %
Gemini 3.1 Pro: 35.2 %

• License: Apache 2.0，模型卡明确说明包括商业使用
• Cost to run: 没有列出费用，不过模型卡自己给出的数字是在租用的 A10 GPU 上约每百万页 30 美元
• Data it reaches: 它从 Hugging Face 下载文件，然后读取你提供的页面图片和文字
• Not for: 没有文字层的扫描版 PDF
• 在单块 A10 GPU 上测得的速度约为每小时 80,808 页

Hugging Face 上的数据（2026年11月13日）

• 任务：object detection
• 框架：onnx
• 最近 30 天下载：16
• 点赞：6
• 许可证：apache-2.0
• 语言：en
• 标签：onnx, coreml, table-extraction, table-structure-recognition, document-ai, d-fine, object-detection

链接

• 模型：https://huggingface.co/APEXE3HQ/ae3-tl
• 文件：https://huggingface.co/APEXE3HQ/ae3-tl/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download APEXE3HQ/ae3-tl

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。