Análisis de diseño
El análisis de diseño (layout analysis) es la parte del análisis de documentos que encuentra las regiones de una página, como títulos, párrafos, tablas, figuras, pies de figura y pies de página, etiqueta cada una y determina el orden en que las leería una persona.
También llamado: reading order, layout detection
Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas
El texto extraído directamente de un PDF suele salir en el orden equivocado. Dos columnas se entrelazan línea a línea, las notas al pie caen a mitad de frase y los encabezados se repiten en cada página. El análisis de diseño corrige esto antes de que el texto llegue al chunking o a un modelo, por eso importa en cualquier pipeline de análisis de documentos.
Cómo funciona
La mayoría de los sistemas lo tratan como detección de objetos sobre la imagen de la página. Un modelo dibuja recuadros alrededor de las regiones y asigna una clase a cada una. El conjunto de datos DocLayNet, por ejemplo, etiqueta cada región con una de 11 clases, como pie de figura, nota al pie, fórmula, elemento de lista, tabla, título y texto. Un segundo paso ordena los recuadros en orden de lectura, teniendo en cuenta columnas, barras laterales y figuras. Después, las regiones detectadas van a la herramienta adecuada: los bloques de texto a OCR si hace falta, las tablas a extracción de tablas y las figuras a un modelo de imagen.
Ejemplo
Ante un artículo de investigación a dos columnas, el análisis de diseño encuentra el título, el resumen, las dos columnas de texto, una figura con su pie y una lista de referencias. El orden de lectura pone la columna izquierda antes que la derecha, mantiene el pie junto a su figura y descarta el encabezado repetido. Analizadores de código abierto como Docling incluyen este paso.
Límites
Los diseños inusuales, como revistas, formularios, pósteres o presentaciones, quedan fuera de aquello con lo que se entrenaron la mayoría de los modelos, y el orden de lectura en páginas complejas sigue siendo propenso a errores. Un modelo de visión y lenguaje puede manejar el diseño de forma implícita, pero da menos control sobre el resultado.
Términos relacionados
- Análisis de documentos
- El análisis de documentos (document parsing) convierte archivos como PDF, escaneos, presentaciones y hojas de cálculo en texto estructurado que el software puede usar, conservando títulos, orden de lectura, tablas e imágenes en lugar de un flujo plano de caracteres.
- Reconocimiento óptico de caracteres
- El reconocimiento óptico de caracteres (OCR) es software que lee texto de imágenes, como páginas escaneadas, fotos o capturas de pantalla, y lo convierte en caracteres legibles por máquina que se pueden buscar, copiar o pasar a un modelo.
- Extracción de tablas
- La extracción de tablas (table extraction) es la tarea de encontrar tablas en documentos y reconstruir sus filas, columnas, encabezados y celdas como datos estructurados, por ejemplo HTML, Markdown o CSV, en lugar de líneas sueltas de texto.
- Modelo de visión y lenguaje
- Un modelo de visión y lenguaje (VLM, vision-language model) es un modelo que recibe imágenes y texto como entrada y produce texto, de modo que puede describir imágenes, responder preguntas sobre ellas, leer documentos y extraer datos de capturas de pantalla.
- Chunking
- El chunking (fragmentación) es el paso que divide documentos largos en pasajes más pequeños antes de convertirlos en embeddings e indexarlos, para que un sistema de recuperación pueda encontrar y devolver solo las partes de un documento que responden a una consulta.