Awesome GitHub RepositoriesData Extraction Visualizers

Parsr es un extractor de datos no estructurados y pipeline de análisis de documentos que convierte archivos sin procesar e imágenes en formatos limpios y legibles por máquina. Funciona como un analizador de diseño de documentos y un pipeline para extraer datos estructurados y etiquetas utilizando modelos de lenguaje de gran tamaño (LLM). El sistema incluye un visualizador de análisis de documentos, proporcionando una interfaz gráfica para cargar documentos e inspeccionar la salida de datos estructurados resultante. El proyecto cubre flujos de trabajo de digitalización de documentos, incluyendo análisis de diseño para detectar encabezados, tablas y listas, y entrada de datos automatizada mediante la limpieza y enriquecimiento de contenido no estructurado.

Sparrow es una plataforma de extracción de documentos basada en LLM y un motor de inferencia visual diseñado para convertir imágenes y PDFs en datos estructurados validados. Funciona como un orquestador de flujos de trabajo agenticos que encadena tareas de clasificación, extracción y validación en pipelines de múltiples pasos. El sistema se distingue por una capa de inferencia agnóstica al backend que gestiona modelos en GPUs locales, Apple Silicon y proveedores en la nube. Emplea grounding visual basado en coordenadas para mapear el texto extraído a coordenadas precisas de cuadros delimitadores y utiliza dirección de modelos basada en pistas para guiar la atención y normalizar formatos de datos. La plataforma cubre flujos de trabajo de inteligencia documental, incluyendo procesamiento especializado de tablas basadas en imágenes para mantener la integridad estructural y validación basada en esquemas para verificar la exactitud de los campos extraídos. También proporciona un panel de análisis documental para monitorear el rendimiento de la API, analíticas de uso y el estado del sistema. La arquitectura incluye un sistema de extensión basado en plugins para integrar librerías de terceros utilizadas en indexación y orquestación.