feat: upgrade PP-StructureV3 models to latest versions

- Layout: PP-DocLayout-S → PP-DocLayout_plus-L (83.2% mAP)
- Table: Single model → Dual SLANeXt (wired/wireless)
- Formula: PP-FormulaNet_plus-L for enhanced recognition
- Add preprocessing flags support (orientation, unwarping)
- Update frontend i18n descriptions

🤖 Generated with [Claude Code](https://claude.com/claude-code)

Co-Authored-By: Claude <noreply@anthropic.com>

openspec/changes/upgrade-ppstructure-models/proposal.md

@@ -0,0 +1,134 @@
+# Upgrade PP-StructureV3 Models
+
+## Why
+
+目前專案使用的 PP-StructureV3 模型配置存在以下問題：
+
+1. **版面偵測模型精度不足**：PP-DocLayout-S (70.9% mAP) 無法正確處理複雜表格和版面
+2. **表格識別準確率低**：SLANet (59.52%) 產出錯誤的 HTML 結構
+3. **預處理模組未啟用**：文檔方向校正和彎曲校正功能關閉
+4. **模型佔用空間過大**：下載了不使用的模型，浪費儲存空間
+
+## What Changes
+
+### Stage 1: 預處理模組 - 全部開啟
+
+| 功能 | 當前 | 變更後 |
+|-----|-----|-------|
+| `use_doc_orientation_classify` | False | **True** |
+| `use_doc_unwarping` | False | **True** |
+| `use_textline_orientation` | False | **True** |
+
+### Stage 2: OCR 模組 - 維持現狀
+
+- 繼續使用 PP-OCRv5 (預設配置)
+- 不需要更改
+
+### Stage 3: 版面分析模組 - 升級模型選項
+
+| 選項名稱 | 當前模型 | 變更後模型 | mAP |
+|---------|---------|-----------|-----|
+| `chinese` | PP-DocLayout-S (移除) | **PP-DocLayout_plus-L** | 83.2% |
+| `default` | PubLayNet | PubLayNet (維持) | ~94% |
+| `cdla` | CDLA | CDLA (維持) | ~86% |
+
+**重點變更**：
+- 移除 PP-DocLayout-S (70.9% mAP)
+- 新增 PP-DocLayout_plus-L (83.2% mAP, 20類別)
+- 前端「中文文檔」選項改用 PP-DocLayout_plus-L
+
+### Stage 4: 元素識別模組 - 升級表格識別
+
+| 模組 | 當前模型 | 變更後模型 | 準確率變化 |
+|-----|---------|-----------|-----------|
+| 表格識別 | SLANet (預設) | **SLANeXt_wired + SLANeXt_wireless** | 59.52% → 69.65% |
+| 公式識別 | PP-FormulaNet (預設) | **PP-FormulaNet_plus-L** | 45.78% → 90.64% (中文) |
+| 圖表解析 | PP-Chart2Table | PP-Chart2Table (維持) | - |
+| 印章識別 | PP-OCRv4_seal | PP-OCRv4_seal (維持) | - |
+
+**表格識別策略**：
+- SLANeXt_wired 和 SLANeXt_wireless 搭配使用
+- 先用分類器判斷有線/無線表格類型
+- 根據類型選擇對應的 SLANeXt 模型
+- 聯合測試準確率達 69.65%
+
+### 儲存空間優化 - 刪除未使用模型
+
+PaddleOCR 3.x 模型緩存位置：`~/.paddlex/official_models/`
+
+可刪除的模型目錄：
+- PP-DocLayout-S (被 PP-DocLayout_plus-L 取代)
+- SLANet (被 SLANeXt 取代)
+- 其他未使用的舊版模型
+
+**注意**：刪除後首次使用新模型會觸發下載
+
+## Requirements
+
+### REQ-1: 預處理模組開啟
+系統 **SHALL** 在 PP-StructureV3 初始化時啟用所有預處理功能：
+- 文檔方向分類 (use_doc_orientation_classify=True)
+- 文檔彎曲校正 (use_doc_unwarping=True)
+- 文字行方向偵測 (use_textline_orientation=True)
+
+**Scenario: 處理旋轉的掃描文檔**
+- Given 一個旋轉 90 度的 PDF 文檔
+- When 使用 OCR track 處理
+- Then 系統應自動校正方向後再進行 OCR
+
+### REQ-2: 版面模型升級
+系統 **SHALL** 將「chinese」選項對應的模型從 PP-DocLayout-S 更改為 PP-DocLayout_plus-L
+
+**Scenario: 處理中文複雜文檔**
+- Given 包含表格、圖片、公式的中文文檔
+- When 選擇「chinese」版面模型處理
+- Then 應使用 PP-DocLayout_plus-L (83.2% mAP) 進行版面分析
+
+### REQ-3: 表格識別升級
+系統 **SHALL** 使用 SLANeXt_wired 和 SLANeXt_wireless 搭配進行表格識別
+
+**Scenario: 處理有線表格**
+- Given 包含有線表格的文檔
+- When 進行表格結構識別
+- Then 應使用 SLANeXt_wired 模型
+- And 輸出正確的 HTML 表格結構
+
+**Scenario: 處理無線表格**
+- Given 包含無線表格的文檔
+- When 進行表格結構識別
+- Then 應使用 SLANeXt_wireless 模型
+
+### REQ-4: 公式識別升級
+系統 **SHALL** 使用 PP-FormulaNet_plus-L 進行公式識別以支援中文公式
+
+### REQ-5: 模型緩存清理
+系統 **SHOULD** 提供工具或文檔說明如何清理未使用的模型緩存以節省儲存空間
+
+## Model Comparison Data
+
+### 表格識別模型對比
+
+| 模型 | 準確率 | 推理時間 | 模型大小 | 適用場景 |
+|-----|-------|---------|---------|---------|
+| SLANet | 59.52% | 24ms | 6.9 MB | ❌ 準確率不足 |
+| SLANet_plus | 63.69% | 23ms | 6.9 MB | ❌ 仍不足 |
+| **SLANeXt_wired** | 69.65% | 86ms | 351 MB | ✅ 有線表格 |
+| **SLANeXt_wireless** | 69.65% | - | 351 MB | ✅ 無線表格 |
+
+**結論**：SLANeXt 系列比 SLANet/SLANet_plus 準確率高約 10%，但模型大小增加約 50 倍。考慮到表格識別是核心功能，建議升級。
+
+### 版面偵測模型對比
+
+| 模型 | 類別數 | mAP | 推理時間 | 適用場景 |
+|-----|-------|-----|---------|---------|
+| PP-DocLayout-S | 23 | 70.9% | 12ms | ❌ 精度不足 |
+| PP-DocLayout-L | 23 | 90.4% | 34ms | ✅ 通用高精度 |
+| **PP-DocLayout_plus-L** | 20 | 83.2% | 53ms | ✅ 複雜文檔推薦 |
+
+## References
+
+- [PaddleOCR Table Structure Recognition](http://www.paddleocr.ai/main/en/version3.x/module_usage/table_structure_recognition.html)
+- [SLANeXt_wired on HuggingFace](https://huggingface.co/PaddlePaddle/SLANeXt_wired)
+- [SLANeXt_wireless on HuggingFace](https://huggingface.co/PaddlePaddle/SLANeXt_wireless)
+- [PP-StructureV3 Technical Report](https://arxiv.org/html/2507.05595v1)
+- [PaddleOCR Model Cache Issue](https://github.com/PaddlePaddle/PaddleOCR/issues/10234)