# 構造化情報抽出

PP-DocLayout-Lは高精度の文書レイアウト領域定位モデルで、RT-DETR-Lアーキテクチャに基づいており、23種類の一般的な文書レイアウトクラスの検出をサポートします。

PP-DocLayout_plus-Lは高精度の文書レイアウト領域定位モデルで、RT-DETR-Lアーキテクチャに基づいて訓練され、20種類の一般的な文書要素の検出をサポートします。

NuExtract 2.0は、構造化情報抽出タスク用に訓練されたマルチモーダルモデルシリーズで、テキストと画像の入力をサポートし、多言語処理能力を備えています。

LayoutLMv3-baseをファインチューニングしたドキュメントQAモデルで、OCRデータを利用してドキュメントを理解し関連する質問に答えることができます。

マイクロソフトのFlorence-2モデルをDocmatixデータセット（データ量の5％）で1日間ファインチューニングしたバージョンで、画像テキスト理解タスクに適しています

Phi-3-mini-4k-instruct-graphは、マイクロソフトのPhi-3-mini-4k-instructを微調整したバージョンで、一般的なテキストデータからエンティティ関係を抽出するために特別に設計されており、エンティティ関係グラフの生成においてGPT-4と同等の品質と精度を達成することを目指しています。

これはポルトガル語テキストの圧縮と構造化処理に特化した小型言語モデルで、33万件のポルトガル語テキストで訓練されています。

ICKGはVicuna-7Bを微調整した知識グラフ構築専用の命令追従型言語モデルで、テキスト文書から構造化された知識トリプルを抽出するのに優れています

LLamA v1ベースの70億パラメータモデル、英語とアラビア語の領収書エントリからキー情報を抽出

これはDonutアーキテクチャに基づく視覚言語モデルで、CORD-V2データセットに対して特別にファインチューニングされており、文書画像からテキストへの変換タスクに使用されます。

Flan-T5-XLモデルをファインチューニングした三重項抽出モデルで、テキストから主体-関係-客体の構造を識別するために使用されます

Donutアーキテクチャに基づくモデルで、医療手書き処方箋から構造化情報を抽出するために使用されます

Donutアーキテクチャに基づくTransformerモデルで、運転免許証画像から構造化情報を抽出するために特別に設計

LayoutLMv3アーキテクチャをファインチューニングした請求書情報抽出モデルで、SROIEデータセットで優れた性能を発揮

LayoutLMv3-baseをファインチューニングした文書理解モデルで、CORDデータセットにおける固有表現認識タスク専用

FUNSDデータセットを使用してLayoutLMv3-largeモデルをファインチューニングしたバージョンで、ドキュメントインテリジェント理解タスクに特化

LayoutLMv3-baseモデルをFUNSDデータセットでファインチューニングしたドキュメントAIモデルで、フォーム理解タスクに使用されます

CORDデータセットでファインチューニングされたLayoutLMv2アーキテクチャに基づくドキュメント理解モデル、構造化ドキュメント情報抽出タスクに適しています

LayoutLMv2アーキテクチャに基づく文書ビジュアル質問応答モデルで、文書理解タスクに対して微調整されています。