huridocs/pdf-document-layout-analysis

これは何？

主な機能

• 01タイトル、本文、表、画像、数式など、ページ上の要素を11種類に分類します。
• 02回転補正や傾き補正のオプションを備え、スキャンPDFのOCRを行います。
• 03PDFをMarkdownまたはHTMLに変換し、必要に応じてOllama経由で翻訳します。
• 04表をHTML形式で、数式をLaTeX形式で抽出します。
• 05GradioのWeb UIとREST APIの両方を提供します。

ユースケース

• PDFのレポートや学術論文を、インデックス作成や検索の前処理に使う。
• スキャン文書にOCRを適用し、検索可能なPDFに変換する。
• 長い文書から目次や構造化テキストを抽出する。
• 変換したMarkdownまたはHTML文書を複数の言語に翻訳する。

クイックスタート

1. 1

   make でサービスを起動する

   make start
2. 2

   ブラウザーで Web UI を開く

3. 3

   REST API 経由で PDF を解析する

   curl -X POST -F 'file=@/path/to/your/document.pdf' http://localhost:5060
4. 4

   サービスを停止する

   make stop

使う前に知っておきたいこと

• !Docker が必要です。モデルと依存関係で最大 10 GB のディスク容量を使用します。
• !GPU の使用は任意ですが、README では最適なパフォーマンスのために 5 GB の GPU メモリを推奨しています。
• !翻訳には Ollama モデルが実行中である必要があります。

トピック

よくある質問

pdf-document-layout-analysis とは？

PDFページを解析し、OCRやMarkdown/HTML変換を行うDockerベースのマイクロサービスとGradio UI。 PDFのレイアウトを解析するマイクロサービスです。各ページをタイトル、本文、表、画像、数式、キャプション、ヘッダーやフッターなどの要素に分割して分類します。また、要素の読み取り順も判定するため、後続の処理に利用できます。

pdf-document-layout-analysis は無料で使えますか？ライセンスは？

pdf-document-layout-analysis は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

pdf-document-layout-analysis は今もメンテナンスされていますか？

活発にメンテナンス中。pdf-document-layout-analysis の最終コミットは 2026年10月6日 です。

pdf-document-layout-analysis は何に使えますか？

PDFのレポートや学術論文を、インデックス作成や検索の前処理に使う。 スキャン文書にOCRを適用し、検索可能なPDFに変換する。 長い文書から目次や構造化テキストを抽出する。 変換したMarkdownまたはHTML文書を複数の言語に翻訳する。

pdf-document-layout-analysis のインストール方法は？

make でサービスを起動する: make start ブラウザーで Web UI を開く REST API 経由で PDF を解析する: curl -X POST -F 'file=@/path/to/your/document.pdf' http://localhost:5060 サービスを停止する: make stop

pdf-document-layout-analysis はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/huridocs/pdf-document-layout-analysis