A projekt leírása:

A rendszer célja egy mesterséges intelligencián alapuló dokumentumfeldolgozó megoldás létrehozása, amely különböző formátumú számlákat, nyugtákat és szállítóleveleket képes automatikusan strukturált adattá alakítani. A bemenet lehet fotó, szkennelt dokumentum, PDF vagy Word fájl. A képi dokumentumokat előfeldolgozzuk: felismerjük a dokumentum határait, korrigáljuk a torzulást, fekete-fehérre alakítjuk a jobb OCR érdekében, valamint automatikusan kiegyenesítjük az elforgatást. A rendszer ezután azonosítja a dokumentum szekcióit – fejléc, táblázatok, lábjegyzet –, amit a CascadeTabNet támogat. A tartalmi értelmezést egy nagy nyelvi modell végzi, amely címkézi az adatokat, felismeri a táblázati struktúrát és összerendezi a cellákat, akár több oldal esetén is. A duplikációk kiszűrése és a kapcsolódó információk egyesítése embedding modellekkel és hasonlóságvizsgálattal történik. A kinyert adatok Excel, CSV, JSON vagy XML formátumban exportálhatók. A rendszer webes felületen, üzenetsoros feldolgozással működik, skálázható és jelentősen csökkenti az adminisztrációt.