Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

Análise de layout

A análise de layout (layout analysis) é a parte do parsing de documentos que encontra as regiões de uma página, como títulos, parágrafos, tabelas, figuras, legendas e rodapés, rotula cada uma e descobre a ordem em que uma pessoa as leria.

Também chamado: reading order, layout detection

Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos

O texto extraído diretamente de um PDF muitas vezes sai na ordem errada. Duas colunas se intercalam linha a linha, notas de rodapé caem no meio de frases e cabeçalhos se repetem em todas as páginas. A análise de layout corrige isso antes que o texto chegue ao chunking ou a um modelo, e é por isso que ela importa para qualquer pipeline de parsing de documentos.

Como funciona

A maioria dos sistemas a trata como detecção de objetos na imagem da página. Um modelo desenha caixas delimitadoras ao redor das regiões e atribui uma classe a cada uma. O conjunto de dados DocLayNet, por exemplo, rotula cada região com uma de 11 classes, como legenda, nota de rodapé, fórmula, item de lista, tabela, título e texto. Uma segunda etapa ordena as caixas na ordem de leitura, lidando com colunas, barras laterais e figuras. As regiões detectadas então vão para a ferramenta certa: blocos de texto para OCR, se necessário, tabelas para extração de tabelas, figuras para um modelo de imagem.

Exemplo

Diante de um artigo científico em duas colunas, a análise de layout encontra o título, o resumo, as duas colunas de texto, uma figura com sua legenda e uma lista de referências. A ordem de leitura coloca a coluna da esquerda antes da direita, mantém a legenda junto da figura e descarta o cabeçalho corrido. Parsers de código aberto como o Docling incluem essa etapa.

Limites

Designs incomuns, como revistas, formulários, pôsteres ou slides, ficam fora do que a maioria dos modelos viu no treinamento, e a ordem de leitura em páginas complexas ainda é propensa a erros. Um modelo de visão e linguagem pode lidar com o layout de forma implícita, mas dá menos controle sobre o resultado.

Termos relacionados

Parsing de documentos
O parsing de documentos (análise de documentos) converte arquivos como PDFs, digitalizações, apresentações e planilhas em texto estruturado que um software consegue usar, mantendo títulos, ordem de leitura, tabelas e imagens, em vez de um fluxo plano de caracteres.
Reconhecimento óptico de caracteres
O reconhecimento óptico de caracteres (OCR) é um software que lê texto em imagens, como páginas digitalizadas, fotos ou capturas de tela, e o transforma em caracteres legíveis por máquina que podem ser pesquisados, copiados ou enviados a um modelo.
Extração de tabelas
A extração de tabelas (table extraction) é a tarefa de encontrar tabelas em documentos e reconstruir suas linhas, colunas, cabeçalhos e células como dados estruturados, como HTML, Markdown ou CSV, em vez de linhas soltas de texto.
Vision-language model
Um vision-language model (VLM, modelo de visão e linguagem) é um modelo que recebe imagens e texto como entrada e produz texto, então consegue descrever imagens, responder perguntas sobre elas, ler documentos e extrair dados de capturas de tela.
Chunking
Chunking (divisão em trechos) é a etapa que divide documentos longos em passagens menores antes de gerar seus embeddings e indexá-los, para que um sistema de recuperação possa encontrar e devolver apenas as partes de um documento que respondem a uma consulta.

Fontes