BIT-DataLab/Edit-Banana

这是什么？

核心功能

• 01使用微调的 SAM 3 模型分割图表元素。
• 02通过本地 Tesseract OCR 或 PaddleOCR 识别文字。
• 03借助 Pix2Text 将文字和公式区域转换为 LaTeX。
• 04输出可编辑的 DrawIO（XML）文件，每个元素可独立选中。
• 05同时提供命令行工具和 FastAPI 网页接口。

适用场景

• 将论文或报告中的图表转换为可编辑的 DrawIO 图。
• 从旧截图中还原可编辑的流程图或架构图。
• 批量把扫描的技术示意图转换为 DrawIO 文件。
• 从图片中提取公式并输出为 LaTeX。

快速上手

1. 1

   克隆仓库

   git clone https://github.com/BIT-DataLab/Edit-Banana.git && cd Edit-Banana
2. 2

   安装基础 Python 依赖

   pip install -r requirements.txt
3. 3

   安装 SAM3 库并复制 BPE 词表（需另行下载 sam3.pt 权重）

   bash scripts/setup_sam3.sh
4. 4

   通过命令行将图表图片转换为 DrawIO XML

   python main.py -i input/test_diagram.png

使用前须知

• !首次运行前需要下载 SAM3 模型权重并安装 Tesseract OCR。
• !强烈建议使用支持 CUDA 的 GPU。
• !采用 AGPL-3.0 许可证，属于 Copyleft 许可，网络使用场景下也有源码公开义务。
• !GitHub 仓库的功能和性能落后于在线网页服务。

标签

常见问题

Edit-Banana 是什么？

将静态图表图片转换为可编辑的 DrawIO（XML）文件，结合 SAM 3 分割、OCR 与公式识别。 Edit Banana 是一个基于 Python 的工具，可以把图表、流程图、技术示意图和公式的静态图片转换为可编辑的 DrawIO XML 文件。转换后，每个元素都会作为独立图形保留，可以在 DrawIO 中直接拖动、修改样式或改写文字。

Edit-Banana 可以免费使用吗？用的什么许可证？

Edit-Banana 以 AGPL-3.0 许可证开源。用于商业产品前，请先确认许可证条款。

Edit-Banana 还在维护吗？

活跃维护中。Edit-Banana 最近一次提交是在 2026年10月17日。

Edit-Banana 适合用来做什么？

将论文或报告中的图表转换为可编辑的 DrawIO 图。 从旧截图中还原可编辑的流程图或架构图。 批量把扫描的技术示意图转换为 DrawIO 文件。 从图片中提取公式并输出为 LaTeX。

Edit-Banana 怎么安装和运行？

克隆仓库: git clone https://github.com/BIT-DataLab/Edit-Banana.git && cd Edit-Banana 安装基础 Python 依赖: pip install -r requirements.txt 安装 SAM3 库并复制 BPE 词表（需另行下载 sam3.pt 权重）: bash scripts/setup_sam3.sh 通过命令行将图表图片转换为 DrawIO XML: python main.py -i input/test_diagram.png

在哪里获取 Edit-Banana？

源代码和安装说明在 GitHub 上：https://github.com/BIT-DataLab/Edit-Banana