只需要把公式图片用鼠标拖动到工具内，就能一键转成 LaTex 公式。
写论文、做研究时，最让你头疼的是什么？想必公式编辑会榜上有名。那么有没有便捷的方法进行公式编辑呢？这里推荐一款神器，它使用 PyTorch Lightning 可将 LaTeX 数学方程的图像映射到 LaTeX 代码。
它的效果是这样的，输入一张带公式的图片，它能转换成 LaTeX 代码形式：
而它的名字也是很直接的，就叫做「Image to LaTex Converter」，把产品功能写在了明面上。
项目地址：https://github.com/kingyiusuen/image-to-latex
网友表示：我太需要这个了。
也有网友表示，你也可以使用 CLIP 来实现，因为这个工具是将完整的方程拆分为单个字符。
此前，很多人都在用 Mathpix Snip，这个工具虽然好用，但是只能提供 50 次免费转换。之后，一位中国开发者也创建了一款类似工具「Image2LaTeX」，用户输入公式截图即可以自动将其对应的 LaTex 文本转换出来。效果也虽好，不过也只是提供了 1000 次从文档中提取公式的能力。
此次项目的创建者为明尼苏达大学双城分校计量心理学博士生 King Yiu Suen，他本科毕业于香港中文大学，致力于研究评估心理测试和教育评估的统计学方法，以及测试响应数据的建模。
这个项目为何能够一键转换成 LaTex 公式？这些都得益于背后使用的数据集和模型。
项目背后的数据集与模型
作者也对打造过程进行了详细的介绍。2016 年，在 Yuntian Deng 等作者合著的一篇 OCR 主题论文《What You Get Is What You See: A Visual Markup Decompiler》中，他们介绍了叫做「im2latex-100K」的模型（原始版本和预处理版本），这是一个由大约 100K LaTeX 数学方程图像组成的数据集。
作者使用该数据集训练了一个模型，使用 ResNet-18 作为具有 2D 位置编码的编码器，使用 Transformer 作为具有交叉熵损失的解码器。这个过程类似于《Full Page Handwriting Recognition via Image to Sequence Extraction》Singh et al. （2021） 中描述的方法，不过作者只使用 ResNet up to block 3 来降低计算成本，并且去掉了行号编码，因为它不适用于这个问题。
Singh et al. (2021) 论文中的系统架构。
最初，作者使用预处理数据集来训练模型，因为预处理图像被下采样到原始大小的一半以提高效率，而且分组并填充为相似的大小以方便批处理。但结果表明，这种严格的预处理被证明是一个巨大的限制。尽管该模型可以在测试集（其预处理方式与训练集相同）上取得合格的性能，但它并不能很好地泛化到数据集之外的图像，这很可能是因为其他图像质量、填充和字体大小与数据集中的图像不同。
使用相同数据集尝试解决相同问题的其他人也发现了这种现象。下图这位开发者试图从论文中裁剪图像，图像与数据集中的图像大小相似。但即使对于简单的公式，输出也会完全失败：
为此，作者使用了原始数据集并在数据处理 pipeline 中包含了图像增强（例如随机缩放、高斯噪声）以增加样本的多样性。此外，作者没有按大小对图像进行分组，而是进行了均匀采样并将它们填充为批次中最大图像的大小，以便模型必须学习如何适应不同的填充大小。
作者在使用数据集中遇到的其他问题包括：
- 一些 LaTex 代码生成了视觉上相同的输出，比如 \left (和 \ right)，看起来与 (和)) 一样，因此做了规范化处理；
- 一些 LaTex 代码用来添加空间，比如 \ vspace {2px} 和 \ hspace {0.3mm})。但是，间距对于人类来说也很难判断。此外，表述相同间距有很多方法，比如 1 cm = 10 mm。最后，作者比希望模型在空白图像上生成代码，因此删除了这些空白图像。
不过，该项目也有一些可能需要改进的地方：
- 更好的数据清理（比如删除间距命令）
- 尽可能多的训练模型（由于时间原因，只训练了 15 个 epoch 的模型，但是验证损失依然下降）
- 使用集束搜索（只实现了贪婪搜索）
- 使用更大的模型（比如 ResNet-34 而不是 ResNet-18）
- 进行一些超参数调优
作者使用的是 Google Colab，计算资源有限，因此并没有做到以上这些。
项目的使用与部署
在项目设置方面：首先你需要将该项目克隆到计算机，并将命令行放置到库文件夹中：
git clone https://github.com/kingyiusuen/image-to-latex.git cd image-to-latex
然后，创建一个名为 venv 的虚拟环境并安装所需的软件包：
make venv make install-dev
在数据预处理方面：执行如下命令下载 im2latex-100k 数据集并进行所有预处理任务（图像裁剪可能需要一个小时）：
python scripts/prepare_data.py
在模型训练方面：启动训练 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。
在实验跟踪方面：最佳模型 checkpoint 将自动上传到 Weights & Biases (W&B)（在训练开始前你需要先进行注册或登录 W&B ）。如下是从 W&B 下载训练模型 checkpoint 的示例命令：
python scripts/download_checkpoint.py RUN_PATH
将 RUN_PATH 替换为运行的路径，运行路径格式为 <entity>/<project>/<run_id>。如果你想查找特定实验运行的运行路径，请转到 dashboard 中的 Overview 选项卡进行查看。
例如，你可以使用如下命令下载最佳运行：
python scripts/download_checkpoint.py kingyiusuen/image-to-latex/1w1abmg1
checkpoint 将被下载到项目目录下一个名为 artifacts 的文件夹中。
测试和持续集成方面：以下工具可用于 lint 代码库：
- isort：对 Python 脚本中的 import 语句进行排序和格式化；
- black：遵循 PEP8 的代码格式化程序；
- flake8：在 Python 脚本中报告风格问题的代码检查器；
- mypy：在 Python 脚本中执行静态类型检查。
使用下面的命令来运行所有的检查和格式化程序：
make lint
在部署方面：训练好的模型通过创建的 API 进行预测，启动和运行服务器命令如下：
make api
要运行 Streamlit 应用程序，请使用以下命令创建一个新的终端窗口：
make streamlit
应用程序应该在浏览器中自动打开，你也可通过 http://localhost:8501 / 进行查看。想让这个应用程序运行，你还需要下载实验运行的工件，启动并运行 API。
为 API 创建一个 Docker 映像：
make docker
