Docling 技术报告
计算与语言
2024-12-10 v5 计算机视觉与模式识别
软件工程
摘要
本技术报告介绍了 Docling，一个易于使用、自包含、MIT 许可的开源 PDF 文档转换包。它由最先进的专用 AI 模型驱动，用于布局分析（DocLayNet）和表格结构识别（TableFormer），并在商品硬件上以较小的资源预算高效运行。代码接口支持易于扩展和添加新功能与模型。
引用
@article{arxiv.2408.09869,
title = {Docling Technical Report},
author = {Christoph Auer and Maksym Lysak and Ahmed Nassar and Michele Dolfi and Nikolaos Livathinos and Panos Vagenas and Cesar Berrospi Ramis and Matteo Omenetti and Fabian Lindlbauer and Kasper Dinkla and Lokesh Mishra and Yusik Kim and Shubham Gupta and Rafael Teixeira de Lima and Valery Weber and Lucas Morin and Ingmar Meijer and Viktor Kuropiatnyk and Peter W. J. Staar},
journal= {arXiv preprint arXiv:2408.09869},
year = {2024}
}
备注
Docling v1 report