キャディ機械学習勉強会：Docling - CADDi Tech Blog

こんにちは、Data&Analysis部(D&A)です。 D&Aでは週1回、機械学習の勉強会を開催しており、本記事は、勉強会の内容を生成AIを活用して記事にまとめたものです。 ※勉強会内容公開の経緯はこちら ※過去の勉強会は「社内勉強会」タグからもご覧いただけます。 はじめに：我々が直面していた課題 現在、我々はドキュメントを解析するプロジェクトを推進しています。その中で以下のような壁に直面しました。 フォーマットの多様性 PDF、Word、PPT、スキャン画像など、形式がバラバラなドキュメントの前処理が大変 構造情報の損失 テキスト抽出時にレイアウト、表、図が崩れて意味が失われてしまう 既存ツールの限界 商用ツールは高価かつクラウド必須の制約があったり、OSSでは品質・機能不安があったり それらを解決するため、Doclingが効果がありそうだと分かり、その性能検証を進めることにしました。

[misshiki]

“DoclingはIBMによって開発されたOSSのドキュメント変換ツールキットです。”