# 構造化データ抽出

Qwen2.5-VL-3B-Instructをベースに微調整されたビジュアルOCRモデルで、ドキュメントレベルのOCR、長文脈の視覚言語理解、数学のLaTeX形式変換に特化しています。

RT-DETR-L_wireless_table_cell_detは高精度の表セル検出モデルで、表認識タスク用に設計されており、表画像内の各セル領域を正確に位置決めしてマーキングすることができます。

RT - DETR - L_wired_table_cell_detは表認識タスクの重要なモジュールで、主に表画像内の各セル領域を位置決めしてマーキングする役割を担います。

Qwen2.5-VL-32B-Instructは、マルチモーダルタスクに適した、強化された数学力と問題解決能力を備えた強力なビジュアル言語モデルです。

Qwen2.5-VLはQwenファミリー最新のビジュアル言語モデルで、強力な視覚理解とマルチモーダル処理能力を備え、画像・動画分析と構造化出力をサポートします。

Qwen2.5-VLはQwenファミリーの最新の視覚言語モデルで、強力な視覚理解とマルチモーダル処理能力を備えています。

docscopeOCR-7B-050425-expは、Qwen/Qwen2.5-VL-7B-Instructをベースに微調整されたモデルで、ドキュメントレベルのOCR、長文脈のビジュアル言語理解、および数学のLaTeX形式の正確な画像からテキストへの変換に特化しています。

Qwen2.5-VL-32B-Instruct は Qwen ファミリーの最新の視覚言語モデルで、強力なマルチモーダル理解と生成能力を備え、画像、動画、テキストのインタラクションをサポートします。

Qwen2.5-VLはQwenファミリーの最新の視覚言語モデルで、視覚理解とエージェント能力の強化に焦点を当てています。

Qwen2.5-VLはQwenファミリーの最新の視覚言語モデルで、強力な視覚理解とエージェント能力を備え、マルチフォーマットの視覚位置特定と構造化出力生成をサポートします。

Qwen2.5-VLは通義千問チームが開発したマルチモーダル大規模言語モデルで、強力な視覚理解とインテリジェントエージェント能力を備え、画像、動画、テキストなど様々な入力形式をサポートします。

Qwen2.5-VLはQwenファミリーの最新の視覚言語モデルで、強化された視覚理解、エージェント能力、構造化出力生成機能を備えています。

Qwen2.5-VLは通義千問が開発したマルチモーダル視覚言語モデルで、強力な画像理解とテキスト生成能力を備えています。

Qwen2.5-VLはQwenファミリーの最新ビジョン・ランゲージモデルで、強化された視覚理解、エージェント機能、長尺動画処理能力を備えています。

Gemma-2-2B-TR-Knowledge-Graphはgemma-2-2b-itをベースに微調整されたモデルで、文書内容から構造化知識グラフを生成することに特化しています。

LayoutLMアーキテクチャに基づく金融表形式質問応答モデルで、金融表からの構造化質問の抽出と回答に特化しています。

microsoft/layoutlmv3-baseをファインチューニングしたドキュメント理解モデルで、ドキュメントレイアウト分析タスクに優れています

DETRアーキテクチャに基づく表検出モデルで、ドキュメントから表領域を識別するために特別に設計

このモデルはmicrosoft/layoutlmv2-base-uncasedをgeneratorデータセットでファインチューニングしたバージョンで、ドキュメント理解とレイアウト分析タスクに適しています。

naver-clova-ix/donut-baseをファインチューニングしたモデルで、レシート認識やドキュメント理解タスクに使用可能

CORD-v2は、画像からテキストを抽出・認識するタスク向けのモデルで、主に画像からテキストコンテンツを抽出するために使用されます。

naver-clova-ix/donut-base-finetuned-cord-v2を微調整した文書画像理解モデル

DonutはSwin Transformerベースの視覚的文書理解モデルで、CORDデータセットに特化してファインチューニングされており、画像から構造化されたテキスト情報を抽出できます。

DETRアーキテクチャに基づくテーブル検出モデルで、非構造化文書からテーブルを識別・抽出するために特別に設計

naver-clova-ix/donut-baseを画像フォルダデータセットで微調整したモデル、具体的な用途は明記されていません

naver-clova-ix/donut-baseをファインチューニングしたモデル、具体的な用途と機能は追加情報が必要

naver-clova-ix/donut-baseをファインチューニングしたレシート認識モデル

philschmid/donut-base-sroieを微調整したモデルで、画像処理タスクに適しています

Donutアーキテクチャに基づくモデルで、ラトビア領収書データに特化して微調整されています

このモデルはdonut-baseをラトビア領収書データセットで微調整したバージョンで、主に領収書画像処理タスクに使用されます

YOLOv8ベースの表検出モデルで、文書内の表領域を識別可能。枠線あり/なし両方の表タイプに対応。

このモデルはnaver-clova-ix/donut-baseを画像フォルダデータセットでファインチューニングしたバージョンで、ドキュメント理解タスクに適しています。

philschmid/donut-base-sroieをファインチューニングしたドキュメント理解モデル

Donutアーキテクチャに基づくモデルで、医療手書き文書から構造化データを抽出するために特別に設計されています

Table TransformerはDETRアーキテクチャに基づく表検出モデルで、文書画像から表構造を検出・認識するために特別に設計されています。

naver-clova-ix/donut-baseをファインチューニングしたドキュメント理解モデル、画像テキスト抽出タスクに適しています

LayoutLMv3-baseをSROIEデータセットでファインチューニングした請求書情報抽出モデルで、トークン分類タスクで優れた性能を発揮

LayoutLMv3をCORD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理解モデルで、ドキュメントトークン分類タスクに優れています

microsoft/layoutlmv2-base-uncasedをファインチューニングしたドキュメント理解モデル、構造化文書情報抽出タスクに適応

LayoutLMv2アーキテクチャに基づき、SROIEデータセットで微調整された文書情報抽出モデルで、領収書文書からキーフィールドを抽出するのに優れています。