Donut Base Finetuned Docvqa
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
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98