Docling Technical Report

要約

Docling は、使いやすい自己完結型の MIT ライセンスのドキュメント変換用オープンソース ツールキットであり、数種類の一般的なドキュメント形式を解析して、統合された高度に構造化された表現にすることができます。
レイアウト分析 (DocLayNet) とテーブル構造認識 (TableFormer) に特化した最先端の AI モデルを搭載しており、少ないリソース予算で汎用ハードウェア上で効率的に実行されます。
Docling は Python パッケージとしてリリースされ、Python API または CLI ツールとして使用できます。
Docling のモジュラー アーキテクチャと、DoclingDocument として知られる効率的なドキュメント表現 % により、拡張機能、新機能、モデル、カスタマイズを簡単に実装できます。
Docling は、他の一般的なオープンソース フレームワーク (LlamaIndex、LangChain、spaCy など) にすでに統合されており、ドキュメントの処理やハイエンド アプリケーションの開発に自然に適合します。
オープンソース コミュニティは Docling の使用、推進、開発に全力で取り組んできました。Docling は 1 か月足らずで GitHub に 10,000 個のスターを集め、2024 年 11 月には世界中の GitHub でトレンド第 1 位のリポジトリとして報告されました。

要約(オリジナル)

We introduce Docling, an easy-to-use, self-contained, MIT-licensed, open-source toolkit for document conversion, that can parse several types of popular document formats into a unified, richly structured representation. It is powered by state-of-the-art specialized AI models for layout analysis (DocLayNet) and table structure recognition (TableFormer), and runs efficiently on commodity hardware in a small resource budget. Docling is released as a Python package and can be used as a Python API or as a CLI tool. Docling’s modular architecture and efficient document representation %, known as DoclingDocument, make it easy to implement extensions, new features, models, and customizations. Docling has been already integrated in other popular open-source frameworks (e.g., LlamaIndex, LangChain, spaCy), making it a natural fit for the processing of documents and the development of high-end applications. The open-source community has fully engaged in using, promoting, and developing for Docling, which gathered 10k stars on GitHub in less than a month and was reported as the No. 1 trending repository in GitHub worldwide in November 2024.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google