mPLUG-DocOwl 1.5 est un modèle d'apprentissage de structure unifié dédié à la compréhension de documents sans OCR (Reconnaissance Optique de Caractères). Il utilise des techniques d'apprentissage profond pour comprendre directement les documents, sans recourir au processus traditionnel de reconnaissance optique de caractères. Ce modèle peut traiter divers types d'images, notamment des documents, des pages web, des tableaux et des graphiques. Il prend en charge l'analyse de documents avec prise de conscience de la structure, la reconnaissance et la localisation de texte à plusieurs niveaux de granularité, ainsi que des fonctionnalités de question-réponse. Le développement de mPLUG-DocOwl 1.5 repose sur la nécessité d'une automatisation et d'une intelligence accrues de la compréhension des documents, afin d'améliorer l'efficacité et la précision du traitement des documents. Son caractère open source favorise également la recherche et les applications dans les milieux académiques et industriels.