mPLUG-DocOwl 1.5 – 阿里开源的多模态大型语言模型-爱论文

mPLUG-DocOwl 1.5是什么

mPLUG-DocOwl 1.5是由阿里巴巴集团推出的多模态大型语言模型，专注于OCR-free（无需光学字符识别）的文档理解。模型基于统一结构学习，强化对文本丰富图像如文档、表格和图表的结构信息理解能力。mPLUG-DocOwl 1.5包含结构感知解析任务和多粒度文本定位任务，覆盖五个领域：文档、网页、表格、图表和自然图像。mPLUG-DocOwl 1.5的H-Reducer模块基于卷积层合并水平相邻图像块，减少视觉特征长度，保持布局信息，让模型能高效处理高分辨率图像。在多个视觉文档理解基准测试中，模型展现业界领先的无OCR性能，提升SOTA性能超过10分。

mPLUG-DocOwl 1.5的主要功能

结构感知的文档解析：识别和解析文档中的文本结构，如换行和空格，理解文档的组织方式。表格转Markdown：将表格图像转换为Markdown格式，便于进一步的处理和阅读。图表转Markdown：将图表图像转换为Markdown格式，保留图表中的关键数据和结构信息。自然图像解析：对自然场景中的图像进行解析，识别和理解图像中的文字信息。多粒度文本定位：在不同粒度级别（单词、短语、行、块）上定位文本，增强模型对文本位置的识别能力。

mPLUG-DocOwl 1.5的技术原理

统一结构学习（Unified Structure Learning）：基于结构感知解析任务和多粒度文本定位任务，模型学习如何理解和处理文本丰富的图像。H-Reducer视觉-文本模块：基于卷积层合并水平相邻的视觉特征，减少特征长度，保持布局信息，让大型语言模型能更有效地处理高分辨率图像。多模态大型语言模型（MLLM）：结合视觉编码器和大型语言模型，用视觉到文本的模块（如H-Reducer），让模型理解和生成与视觉内容相关的语言描述。大规模数据集训练：用大规模的标注数据集，如DocStruct4M和DocReason25K，模型能学习各种文档和图像中的文本结构和语义信息。两阶段训练框架：首先进行统一结构学习，然后进行多任务调整，让模型在各种下游任务中能表现出色。

mPLUG-DocOwl 1.5的项目地址

GitHub仓库：X-PLUG/mPLUG-DocOwl/tree/main/DocOwl1.5arXiv技术论文：https://arxiv.org/pdf/2403.12895

mPLUG-DocOwl 1.5的应用场景

自动化文档处理：在企业或**机构中，自动化解析和理解大量文档，如合同、发票、报告和表格，提高工作效率和减少人工干预。智能搜索引擎：在搜索引擎中集成mPLUG-DocOwl 1.5，增强对图像中文本内容的搜索能力，提供更准确的搜索结果。辅助阅读和理解：帮助用户更好地理解复杂文档的内容，尤其是对于视觉障碍人士，基于解析文档结构提供易于访问的信息。教育和学术研究：在教育领域，辅助学生和研究人员理解教科书、学术论文和研究资料中的复杂信息。客户服务和支持：在客户服务系统中，用mPLUG-DocOwl 1.5解析用户上传的文档，自动提取关键信息，提供更快的服务响应。