/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
layoutlm · dense
Опубликована
7 авг 2022

layoutlm-document-qa

Ответы на вопросыТекст → текст12 профессий

Дообученная мультимодальная LayoutLM от Impira отвечает на вопросы по содержимому документов с учётом визуальной структуры.

337 тыс.скачиваний за 30 дней1 201лайквеса обновлены18 мар 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

LayoutLM Document QA — мультимодальная модель команды Impira для ответов на вопросы по документам. Она дообучена на наборах SQuAD 2.0 и DocVQA и предназначена для извлечения ответов из содержимого документов с учётом их визуальной структуры и расположения текста.

Модель построена на архитектуре LayoutLMForQuestionAnswering, содержит 151,8 млн параметров и имеет контекст до 514 токенов. Для обработки документов в примерах использования предусмотрены PIL и pytesseract; модель доступна в форматах PyTorch, Safetensors и TensorFlow.

Модель подходит для поиска ответов в PDF и других документах с текстовой разметкой. Карточка указывает английский язык. Лицензия — MIT.

Сценарии применения

  • поиск ответов на вопросы в PDF-документах
  • извлечение сведений из форм и сканированных документов
  • поиск фактов в документе по запросу на английском языке

Ограничения

Контекст ограничен 514 токенами; карточка не приводит оценок качества и не описывает поддержку языков помимо английского.

Для каких профессий подходит12

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LayoutLM for Visual Question Answering

This is a fine-tuned version of the multi-modal LayoutLM model for the task of question answering on documents. It has been fine-tuned using both the SQuAD2.0 and DocVQA datasets.

Getting started with the model

To run these examples, you must have PIL, pytesseract, and PyTorch installed in addition to transformers.

from transformers import pipeline

nlp = pipeline(
    "document-question-answering",
    model="impira/layoutlm-document-qa",
)

nlp(
    "https://templates.invoicehome.com/invoice-template-us-neat-750px.png",
    "What is the invoice number?"
)
# {'score': 0.9943977, 'answer': 'us-001', 'start': 15, 'end': 15}

nlp(
    "https://miro.medium.com/max/787/1*iECQRIiOGTmEFLdWkVIH2g.jpeg",
    "What is the purchase amount?"
)
# {'score': 0.9912159, 'answer': '$1,000,000,000', 'start': 97, 'end': 97}

nlp(
    "https://www.accountingcoach.com/wp-content/uploads/2013/10/income-statement-example@2x.png",
    "What are the 2020 net sales?"
)
# {'score': 0.59147286, 'answer': '$ 3,750', 'start': 19, 'end': 20}

NOTE: This model and pipeline was recently landed in transformers via PR #18407 and PR #18414, so you'll need to use a recent version of transformers, for example:

pip install git+https://github.com/huggingface/transformers.git@2ef774211733f0acf8d3415f9284c49ef219e991

About us

This model was created by the team at Impira.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · question-answering

Нельзя запустить

Для архитектуры layoutlm нет загрузчика под задачу question-answering.

Класс архитектуры
LayoutLMForQuestionAnswering
Ревизия весов
beed3c4

0 моделей