Yichen Lu

新型OCR系统可解析具有结构感知的长篇金融文档

研究人员推出LingDT-VL-OCR，一个专为解析超长金融文档设计的新型系统。该系统旨在将复杂的金融PDF转换为具有可审计来源的准确、结构化输出。LingDT-VL-OCR包含一个跨页内容整合算法和一个文档级标题层级重建模块，以在页面间保持结构一致性并构建完整的目录树。此外，它还采用了一种难度自适应课程学习策略用于表格解析，以及一个CellBBoxRegressor模块用于精确的单元格定位。