scan, split, OCR, prepare for LLM

Historie

Evgeniy Ierusalimov 9db1f48fe4 refactored code		před 1 týdnem
..
AGENTS.md	initial release with base split functionality	před 1 týdnem
AI_RULES.md	refactored code	před 1 týdnem
ARCHITECTURE.md	initial release with base split functionality	před 1 týdnem
CODE_STYLE.md	refactored code	před 1 týdnem
DEVELOPMENT.md	refactored code	před 1 týdnem
IMAGE_PROCESSING.md	refactored code	před 1 týdnem
README.md	initial release with base split functionality	před 1 týdnem
REQUIREMENTS.md	initial release with base split functionality	před 1 týdnem
TASKS.md	initial release with base split functionality	před 1 týdnem

Offline Document Pipeline

Назначение проекта

Преобразование больших технических документов, полученных после печати и сканирования, в структурированный HTML без использования облачных сервисов.

Поддерживается полностью offline работа.

Pipeline

JPEG/TIFF/PDF

↓

Split pages

↓

Deskew

↓

Crop

↓

PaddleOCR

↓

HTML

Вне scope проекта