DocLLM
D
Docllm
简介 :
DocLLM是一个提供多模态文档理解模型的平台,旨在处理企业文档中的文本和空间布局,并提供优于现有大型语言模型的性能。其模型采用轻量级扩展,避免昂贵的图像编码器,专注于边界框信息以纳入空间布局结构。通过分解经典Transformer中的注意机制,捕获文本和空间模态之间的交叉对齐。此外,设计了一个预训练目标,学习填充文本段落,以解决视觉文档中经常遇到的不规则布局和异质内容。该解决方案在14个任务的16个数据集中优于现有大型语言模型,并且对5个以前未见数据集具有良好的泛化能力。
需求人群 :
DocLLM可应用于企业文档的理解和处理,特别擅长处理形式多样、内容异质的视觉文档。
总访问量: 29.7M
占比最多地区: US(17.94%)
本站浏览量 : 112.1K
使用场景
企业发票的文本和空间布局理解
处理企业合同中的文本和空间结构
解析企业报告中的多模态信息
产品特色
处理企业文档中的文本和空间布局
优于现有大型语言模型的性能
避免昂贵的图像编码器
专注于边界框信息以纳入空间布局结构
捕获文本和空间模态之间的交叉对齐
学习填充文本段落,以解决视觉文档中的不规则布局和异质内容
AIbase
智启未来,您的人工智能解决方案智库
© 2025AIbase