テンプレートベースのフォーム抽出に最適なOCRは？［D］

こんにちは。学校の課題で取り組んでいて、現在フォームのOCRツールをテストしています。

対象の書類は主に、ラベル付きの項目やセクションがある申請／登録フォームのような、構造化または半構造化されたフォームです。私のアイデアは、まず管理者が書類のテンプレートをアップロードし、その後ユーザーが記入済みフォームをアップロードすると、システムがそこからデータを抽出する、というものです。抽出後はユーザーが結果を確認し、項目が正しいかチェックし、誤って読み取られた内容があれば編集します。

そのため、テンプレートに基づく抽出にうまく対応できるOCR／ドキュメント理解ツールを探しています。ただし、後からドキュメントのレイアウトが変わった場合にも、ある程度の柔軟性があるものが望ましいです。

いまはGoogle Document AIを試していて、次はPaddleOCRをテストする予定です。このような用途におすすめのOCRツールがあれば教えてほしいと思いました。

主に、次のようなものを探しています：

• スキャンしたフォームでうまく動く
• 抽出したテキストを正しい項目に対応付けられる
• テンプレート／レイアウトが変わっても運用しやすい
• 学生の調査研究プロジェクトとして現実的である

Document AI, PaddleOCR, Tesseract, AWS Textract, Azure AI Document Intelligence、またはフォーム用途で類似のものを使ったことがあるなら、ぜひあなたの考えを聞かせてください。