摘要
本发明涉及人工智能、金融科技和医疗科技技术领域，提供了一种基于人工智能的文档处理方法、装置、设备及介质，该方法将文档图片输入多模态大模型，进行元素级分割和分类，得到各类元素的边界框和类别标签；按照各类元素的边界框，从文档图片中截取各类元素的独立子图；将各类元素的独立子图，输入元素的类别标签对应的处理模型，以提取独立子图中的信息；将提取出的信息进行结构化整合，得到文档图片的信息。利用大模型对文档图片进行元素级分割与分类，然后利用各类型元素涉及的处理模型，对各类元素的独立子图进行针对性信息提取，从而提升复杂文档的信息提取精度，在对多个独立子图的信息进行整合后，得到完整准确的文档信息。
