DocAnnot: Acelerando la Creación de Conjuntos de Datos para la Extracción de Información Clave con GenAI

La creación de conjuntos de datos para la Extracción de Información Clave (KIE) ha sido tradicionalmente un proceso que consume mucho tiempo. Para abordar este desafío, presentamos DocAnnot, un marco innovador diseñado para acelerar la creación de conjuntos de datos KIE. Al aprovechar un Gran Modelo de Lenguaje Visual (LVLM) para la extracción de valores de etiquetas y utilizar Reconocimiento Óptico de Caracteres (OCR) para detectar texto y cuadros delimitadores, DocAnnot mejora la eficiencia en la generación de conjuntos de datos. Una característica clave de nuestro enfoque es el algoritmo de Coincidencia Contextual Espacialmente Informada (SICM), que mejora la precisión de las asociaciones de etiqueta y valor al integrar relaciones espaciales con datos textuales. Evaluamos DocAnnot en los benchmarks CORD y SROIE, logrando puntuaciones F1 impresionantes de 0.679 y 0.846, respectivamente. Además, exploramos el potencial de utilizar anotaciones generadas automáticamente para el ajuste fino de modelos KIE. Aunque los datos anotados por humanos siguen siendo superiores, los modelos entrenados exclusivamente con las salidas de DocAnnot, como LayoutLMv3, lograron un rendimiento respetable con una puntuación F1 de 0.6765 en CORD. Este marco no solo reduce la necesidad de anotaciones manuales, sino que también permite un refinamiento eficiente por parte de revisores humanos, lo que lleva a anotaciones de alta calidad. La automatización proporcionada por DocAnnot ofrece ahorros significativos de tiempo y costos, convirtiéndolo en una herramienta esencial para el desarrollo rápido de modelos en entornos con recursos limitados.