一种基于视觉-语言多模算法的大纲层级提取方法

本发明公开了一种基于视觉‑语言多模算法的大纲层级提取方法。本发明公开的方法通过视觉检测算法提取粗大纲，去除冗余信息以提高提取的准确性。随后，本发明结合多模态技术，采用视觉信息与语义信息融合的方式，实现大纲层级分类与编号输出，大幅提升处理效率与普适性，为复杂文档的结构化解析提供了一种高效解决方案。