D

Donut Base Finetuned Docvqa

Xenovaによって開発
Donutアーキテクチャに基づくドキュメントQAモデルで、画像からテキスト情報を抽出し質問に答えることができます
ダウンロード数 114
リリース時間 : 9/5/2023

モデル概要

このモデルはDonutアーキテクチャのバリエーションで、ドキュメントQAタスクに特化してファインチューニングされており、請求書や領収書などのテキストを含む画像を処理し関連する質問に答えることができます。

モデル特徴

画像からテキストへの理解
OCR前処理なしで直接画像からテキスト内容を認識し理解できます
エンドツーエンドドキュメントQA
画像入力を直接処理しテキスト回答を生成することで、ドキュメント理解プロセスを簡素化します
ウェブ対応
ONNX形式の重みを提供し、ブラウザ環境での展開が容易です

モデル能力

画像テキスト認識
ドキュメント内容理解
構造化情報抽出
視覚QA

使用事例

ドキュメント処理
請求書情報抽出
請求書画像から請求書番号、日付、金額などのキー情報を抽出します
出力例: [{ answer: 'us-001' }]
領収書分析
領収書内の商品リストと合計金額を識別します
フォーム処理
表データ抽出
スキャンした表ドキュメントから構造化データを抽出します
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
© 2025AIbase