深度解析近期pipline到多模态文档解析三大方向性实践技术链路、特点、趋势和问题

在之前的系列文章中（《文档智能专栏》），比较详细的介绍了文档智能解析的pipline（如下图）涉及的相关子模块的技术实现途径，也介绍了一些多模态大模型端到端的解决思路。

pipline的文档解析链路

• 版式分析与实践：pipline链路中版式分析常用目标检测实现，如实践样例：https://mp.weixin.qq.com/s/5ntWTmf8ys8wLYpJPZ-f9A
• 表格识别解析：https://mp.weixin.qq.com/s/8NqlwINN-p\_SFyn7gC84sg
• 公式解析与OCR文字识别：

• https://mp.weixin.qq.com/s/jqanDf9Vk\_IXJx5XEJkw3w
• https://mp.weixin.qq.com/s/F67wKhbYbPNVkc8Bg-ZsZA

• 阅读顺序实现与开源：https://mp.weixin.qq.com/s/PcE9\_hxPlGzZku-oCJrTlg

随着文档智能解析技术的发展与内卷，文档智能解析目前基本上可以划分为三个方向 ：

（1）以版式分析为龙头，OCR贯穿始终的pipline多个专家小模型技术链路

（2）纯端到端的多模态大模型的解决思路

（3）以专家小模型+多模态大模型的协同式解决思路

下面，通过本文详细的讲解近期 文档智能解析这三大方向性实践技术链路、特点、趋势和问题。

一、pipline方案

1.1、技术概述