layoutlm

定義

文字列だけでなくページ上の座標（バウンディングボックス）を、版によっては画像特徴も合わせて事前学習する、Microsoft 発の文書理解モデル系列。請求書や帳票のように「どこに書いてあるか」が意味を担う文書で、テキストだけを見る BERT 系より強い。入力に OCR 結果を必要とする点が OCR-free 系との違い。

論文題名での読み方

固有名。文書AIの定番

この語が出てくる解説

• 文書理解とOCRのいま — 帳票をLLMが読むまでLayoutLM: Pre-training of Text and Layout for Document Image Understanding