LayoutLMv3

Microsoft Document AI | GitHub

模型描述

LayoutLMv3是一个用于文档人工智能的预训练多模态Transformer模型，具有统一的文本和图像掩蔽功能。简单的统一架构和训练目标使得LayoutLMv3成为一个通用的预训练模型。例如，LayoutLMv3可以用于文本中心任务，包括表单理解、票据理解和文档视觉问答，以及图像中心任务，如文档图像分类和文档布局分析。

LayoutLMv3: Pre-training for Document AI with Unified Text and Image Masking Yupan Huang，Tengchao Lv，Lei Cui，Yutong Lu，Furu Wei，Preprint 2022.

引用

如果您在研究中使用LayoutLM有所帮助，请引用以下论文：

@inproceedings{huang2022layoutlmv3,
  author={Yupan Huang and Tengchao Lv and Lei Cui and Yutong Lu and Furu Wei},
  title={LayoutLMv3: Pre-training for Document AI with Unified Text and Image Masking},
  booktitle={Proceedings of the 30th ACM International Conference on Multimedia},
  year={2022}
}

许可证

本项目内容本身在 Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) 下许可。部分源代码基于 transformers 项目。 Microsoft Open Source Code of Conduct