拖拽公式圖片、一鍵轉換LaTex公式，這款開源公式識別神器比Mathpix Snip更適合你

只需要把公式圖片用鼠標拖動到工具內，就能一鍵轉成 LaTex 公式。

寫論文、做研究時，最讓你頭疼的是什么？想必公式編輯會榜上有名。那么有沒有便捷的方法進行公式編輯呢？這里推薦一款神器，它使用 PyTorch Lightning 可將 LaTeX 數(shù)學方程的圖像映射到 LaTeX 代碼。

它的效果是這樣的，輸入一張帶公式的圖片，它能轉換成 LaTeX 代碼形式：

而它的名字也是很直接的，就叫做「Image to LaTex Converter」，把產品功能寫在了明面上。

項目地址：https://github.com/kingyiusuen/image-to-latex

網(wǎng)友表示：我太需要這個了。

也有網(wǎng)友表示，你也可以使用 CLIP 來實現(xiàn)，因為這個工具是將完整的方程拆分為單個字符。

此前，很多人都在用 Mathpix Snip，這個工具雖然好用，但是只能提供 50 次免費轉換。之后，一位中國開發(fā)者也創(chuàng)建了一款類似工具「Image2LaTeX」，用戶輸入公式截圖即可以自動將其對應的 LaTex 文本轉換出來。效果也雖好，不過也只是提供了 1000 次從文檔中提取公式的能力。

此次項目的創(chuàng)建者為明尼蘇達大學雙城分校計量心理學博士生 King Yiu Suen，他本科畢業(yè)于香港中文大學，致力于研究評估心理測試和教育評估的統(tǒng)計學方法，以及測試響應數(shù)據(jù)的建模。

該項目為何能夠一鍵轉換成 LaTex 公式？這要都得益于背后使用的數(shù)據(jù)集和模型。

項目背后的數(shù)據(jù)集與模型

作者也對打造過程進行了詳細的介紹。2016 年，在 Yuntian Deng 等作者合著的一篇 OCR 主題論文《What You Get Is What You See: A Visual Markup Decompiler》中，他們介紹了叫做「im2latex-100K」的模型（原始版本和預處理版本），這是一個由大約 100K LaTeX 數(shù)學方程圖像組成的數(shù)據(jù)集。

作者使用該數(shù)據(jù)集訓練了一個模型，使用 ResNet-18 作為具有 2D 位置編碼的編碼器，使用 Transformer 作為具有交叉熵損失的****。這個過程類似于《Full Page Handwriting Recognition via Image to Sequence Extraction》Singh et al. （2021） 中描述的方法，不過作者只使用 ResNet up to block 3 來降低計算成本，并且去掉了行號編碼，因為它不適用于這個問題。

Singh et al. (2021)論文中的系統(tǒng)架構。

最初，作者使用預處理數(shù)據(jù)集來訓練模型，因為預處理圖像被下采樣到原始大小的一半以提高效率，而且分組并填充為相似的大小以方便批處理。但結果表明，這種嚴格的預處理被證明是一個巨大的限制。盡管該模型可以在測試集（其預處理方式與訓練集相同）上取得合格的性能，但它并不能很好地泛化到數(shù)據(jù)集之外的圖像，這很可能是因為其他圖像質量、填充和字體大小與數(shù)據(jù)集中的圖像不同。

使用相同數(shù)據(jù)集嘗試解決相同問題的其他人也發(fā)現(xiàn)了這種現(xiàn)象。下圖這位開發(fā)者試圖從論文中裁剪圖像，圖像與數(shù)據(jù)集中的圖像大小相似。但即使對于簡單的公式，輸出也會完全失?。?/p>

為此，作者使用了原始數(shù)據(jù)集并在數(shù)據(jù)處理 pipeline 中包含了圖像增強（例如隨機縮放、高斯噪聲）以增加樣本的多樣性。此外，作者沒有按大小對圖像進行分組，而是進行了均勻采樣并將它們填充為批次中最大圖像的大小，以便模型必須學習如何適應不同的填充大小。

作者在使用數(shù)據(jù)集中遇到的其他問題包括：

一些 LaTex 代碼生成了視覺上相同的輸出，比如 \left(和 \ right)，看起來與 (和)) 一樣，因此做了規(guī)范化處理；

一些 LaTex 代碼用來添加空間，比如 \ vspace{2px}和 \ hspace{0.3mm})。但是，間距對于人類來說也很難判斷。此外，表述相同間距有很多方法，比如 1 cm = 10 mm。最后，作者比希望模型在空白圖像上生成代碼，因此刪除了這些空白圖像。

不過，該項目也有一些可能需要改進的地方：

更好地數(shù)據(jù)清理（比如刪除間距命令）

盡可能多地訓練模型（由于時間原因，只訓練了 15 個 epoch 的模型，但是驗證損失依然下降）

使用集束搜索（只實現(xiàn)了貪婪搜索）

使用更大的模型（比如 ResNet-34 而不是 ResNet-18）

進行一些超參數(shù)調優(yōu)

作者使用的是 Google Colab，計算資源有限，因此并沒有做到以上這些。

項目的使用與部署

在項目設置方面：首先你需要將該項目克隆到計算機，并將命令行放置到庫文件夾中：

git clone https://github.com/kingyiusuen/image-to-latex.git

cd image-to-latex

然后，創(chuàng)建一個名為 venv 的虛擬環(huán)境并安裝所需的軟件包：

make venv

make install-dev

在數(shù)據(jù)預處理方面：執(zhí)行如下命令下載 im2latex-100k 數(shù)據(jù)集并進行所有預處理任務（圖像裁剪可能需要一個小時）：

python scripts/prepare_data.py

在模型訓練方面：啟動訓練 session 的命令如下：

python scripts/run_experiment.py trainer.gpus=1 data.batch_size=32

你可以在 conf/config.yaml 中修改配置，也可以在命令行中修改。

在實驗跟蹤方面：最佳模型 checkpoint 將自動上傳到 Weights & Biases (W&B)（在訓練開始前你需要先進行注冊或登錄 W&B ）。如下是從 W&B 下載訓練模型 checkpoint 的示例命令：

python scripts/download_checkpoint.py RUN_PATH

將 RUN_PATH 替換為運行的路徑，運行路徑格式為 < entity>/<project>/<run_id>。如果你想查找特定實驗運行的運行路徑，請轉到 dashboard 中的 Overview 選項卡進行查看。

例如，你可以使用如下命令下載最佳運行：

python scripts/download_checkpoint.py kingyiusuen/image-to-latex/1w1abmg1

checkpoint 將被下載到項目目錄下一個名為 artifacts 的文件夾中。

測試和持續(xù)集成方面：以下工具可用于 lint 代碼庫：

isort：對 Python 腳本中的 import 語句進行排序和格式化；

black：遵循 PEP8 的代碼格式化程序；

flake8：在 Python 腳本中報告風格問題的代碼檢查器；

mypy：在 Python 腳本中執(zhí)行靜態(tài)類型檢查。

使用下面的命令來運行所有的檢查和格式化程序：

make lint

在部署方面：訓練好的模型通過創(chuàng)建的 API 進行預測，啟動和運行服務器命令如下：

make api

要運行 Streamlit 應用程序，請使用以下命令創(chuàng)建一個新的終端窗口：

make streamlit

應用程序應該在瀏覽器中自動打開，你也可通過 http://localhost:8501 / 進行查看。想讓這個應用程序運行，你還需要下載實驗運行的工件，啟動并運行 API。

為 API 創(chuàng)建一個 Docker 映像：

make docker