layout-analysis

PDFやOfficeドキュメントなどの複雑な文書を、エージェンティックワークフロー用のLLM対応のmarkdown/JSONに変換します。

「Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting」の公式リポジトリ (ACL, 2025)

ディープラーニングベースのドキュメント画像解析のための統合ツールキット

画像内のレイアウト、表、数式 (LaTeX)、テキストを認識して Markdown 形式に変換するための、小型モデルを使用したオープンソースの Python3 ツール。Mathpix の無料の代替手段であり、視覚的コンテンツからテキストベース表現へのシームレスな変換を実現します。80 以上の言語をサポートしています。

C# で PDF からテキストやその他のコンテンツを読み取って抽出する（PDFBox のポート）

YomiTokuはAIを活用した日本語文書解析エンジンを提供するPythonパッケージです。Yomitokuは、特に日本語向けに設計されたAIを活用したドキュメント画像解析パッケージです。

すべての言語に対応する OCR エンジン

[ECCV 2026] 自己回帰デコーディングをブロック単位の並列拡散デコーディングに置き換える、ドキュメントOCR用の拡散ベースのフレームワーク。