文档翻译

概述

docext是一个无需OCR的工具，用于从发票、护照等文档图像中提取结构化信息。它利用视觉语言模型(VLMs)准确识别并提取文档中的字段数据和表格信息。

智能文档处理排行榜追踪并评估视觉语言模型在OCR、关键信息提取(KIE)、文档分类、表格提取等智能文档处理任务中的表现。

功能特点

智能文档处理排行榜

该基准测试评估七个关键文档智能挑战：

• • 关键信息提取(KIE)：从非结构化文档文本中提取结构化字段
• • 视觉问答(VQA)：通过问答评估对文档内容的理解
• • 光学字符识别(OCR)：测量打印和手写文本的识别准确率
• • 文档分类：评估模型对各类文档的分类准确性
• • 长文档处理：测试模型对长篇、上下文丰富文档的推理能力
• • 表格提取：从复杂表格格式中提取结构化数据的基准测试
• • 置信度分数校准：评估模型预测的可靠性和置信度

🔍 详细信息请参阅发布博客。

📊 实时排行榜: https://idp-leaderboard.org

有关设置说明和其他详情，请查看智能文档处理排行榜完整功能指南。

Docext核心功能

• • 灵活提取：可自定义字段或使用预建模板
• • 表格提取：从文档中提取结构化表格数据
• • 置信度评分：获取提取信息的置信度水平
• • 本地化部署：完全在自有基础设施上运行(支持Linux、MacOS)
• • 多页支持：处理多页文档
• • REST API：提供编程接口便于系统集成
• • 预建模板：常见文档类型的即用模板：
• • 发票
• • 护照
• • 可为其他模板添加/删除新字段/列

更多功能详情，请查看功能指南。

项目地址

https://github.com/NanoNets/docext/blob/main/README.md