Docling Technical Report

这份技术报告介绍了 Docling，它是一个易于使用、自包含、MIT 许可的开源软件包，用于 PDF 文档转换。它采用最先进的专用 AI 模型进行布局分析（DocLayNet）和表格结构识别（TableFormer），在小的资源预算下可以在普通硬件上高效运行。代码接口允许轻松扩展和添加新功能和模型。

本论文旨在介绍一种名为Docling的PDF文档转换开源工具，通过使用先进的AI模型进行布局分析和表格识别，以实现高效的PDF文档转换。

该工具的关键思路是使用专用的AI模型进行布局分析和表格识别，从而实现高效的PDF文档转换。相比当前领域的研究，该工具的创新之处在于其使用了先进的AI技术，并且具有易于扩展的代码接口。

该工具的亮点包括使用先进的AI模型进行布局分析和表格识别，可以在小资源预算下高效运行，具有易于扩展的代码接口。实验使用了多个数据集进行验证，并且开源了代码。该工具的进一步研究方向包括更广泛的文档类型支持和更高的转换准确率。

在该领域中，最近的相关研究包括：1. 'Deep Learning-Based PDF Table Extraction and Structuring: A Survey' 2. 'A Comprehensive Survey on Table Detection and Recognition from PDF Files'。