Granite-Docling-258M - IBM オープンソース視覚言語モデル

Granite-Docling-258Mとは？

Granite-Docling-258Mは、効率的な文書変換のために設計された、IBMによる超コンパクトなオープンソースの視覚言語モデルです。このモデルは、レイアウト、表、数式、その他の要素をそのままに、ドキュメントを機械可読形式に変換します。わずか258Mのパラメータを持つこのモデルは、高いパフォーマンスとコスト効率を誇り、複数の言語（実験的なアラビア語、中国語、日本語を含む）をサポートしています。Granite-Docling-258Mは、Doclingライブラリと深く統合されており、そのフレームワークの中で使用することができ、カスタマイズを組み合わせて強力な文書処理機能を提供します。

グラニテ・ドックリング258Mの機能的特徴

効率的な文書変換レイアウト、表、数式、リスト、その他の要素をそのままに、文書を機械可読形式に変換し、文書の元の構造や内容が失われないようにします。
超小型モデルこのシステムは、リソースに制約のある環境で使用するための費用対効果の高いソリューションである。わずか258Mのパラメータで、同サイズの数倍のシステムと同等の性能を発揮する。
多言語サポートアラビア語、中国語、日本語を含む実験的な多言語サポートを提供し、より広く使用されているアルファベットへの拡張とグローバルな適用性の向上を目指す。
DocTagsフォーマットIBM Researchによって開発されたDocTagsフォーマットは、ページ要素とその文脈や位置を正確に記述し、一般的なマークアップ言語に直接変換した場合に発生する曖昧さや情報の損失を回避します。
Doclingライブラリとの統合Doclingライブラリーを補足し、Doclingフレームワーク内での使用をサポートし、Doclingのカスタマイズおよびエラー処理機能と組み合わせて、強化された文書変換機能を提供します。
機能性の向上強化された数式認識、柔軟な推論パターン、安定性の向上、より優れたインライン数式認識、文書構造に関する質問に答える文書要素Q&A。

グラニット・ドックリング-258Mの主な利点

費用対効果Granite-Docling-258Mは、非常に小さなモデルサイズで効率的な文書処理を可能にし、ハードウェアとコンピューティングのコストを大幅に削減します。
グローバルな普遍性複数の言語をサポートし、文書処理のさまざまな地域のニーズに適応する能力を備え、アプリケーションのシナリオを拡大する。
正確な構造保持独自の技術により、変換処理中のドキュメントのレイアウトや構造に高い一貫性を持たせ、ドキュメントの可読性を高めます。
統合が容易Doclingライブラリとのシームレスな統合により、導入プロセスが簡素化され、既存システムへの迅速な統合が可能になります。

グラニテ・ドックリング258Mの公式サイトは？

プロジェクトのウェブサイト:: https://www.ibm.com/new/announcements/granite-docling-end-to-end-document-conversion
HuggingFaceモデルライブラリ:: https://huggingface.co/collections/ibm-granite/granite-docling-682b8c766a565487bcb3ca00
オンライン体験デモ:: https://huggingface.co/spaces/ibm-granite/granite-docling-258m-demo