Acessilia at Dr.DocBench 2026: Agentic Document Parsing through Canonical Tree Adjudication
Resumo: A digitalização e a conversão de documentos acadêmicos e científicos frequentemente geram arquivos PDF visuais sem marcação semântica, impossibilitando a leitura acessível por tecnologias assistivas (leitores de tela e linhas Braille). Este trabalho introduz a abordagem do Acessília no benchmark Dr.DocBench, um framework agentico projetado para avaliar e mitigar perdas estruturais na extração de documentos científicos complexos por meio de adjudicação canônica em árvore. Utilizando modelos de visão-linguagem (VLMs) e orquestração multimodal apoiada na infraestrutura de supercomputação do LaMCAD/UFG, a abordagem proposta atinge taxas superiores de recuperação hierárquica, reconstrução de tabelas e audiodescrição técnica de gráficos e equações matemáticas, viabilizando a conformidade com as normas PDF/UA (ISO 14289) e WCAG 2.2 AAA.
Métricas padronizadas de integridade semântica, fidelidade de tabelas e ordem de leitura linear.
Processamento de alta performance para inferência de modelos multimodais de visão computacional.
Conversão de fórmulas para MathML e notações navegáveis termo a termo por sintetizadores de voz.
@inproceedings{inuzuka-etal-2026-acessilia,
title = "Acessilia at {D}r.{D}oc{B}ench 2026: Agentic Document Parsing through Canonical Tree Adjudication",
author = "Inuzuka, Marcelo Akira and
Queiroz, Marcos Paulo C M and
Cordeiro, Jhonata Fernandes and
Pereira, Eduardo Fraga",
editor = "T.Y.S.S., Santosh and
Agarwal, Amit and
Gupta, Vivek and
Kementchedjhieva, Yova and
Garimella, Aparna and
Hou, Yufang",
booktitle = "The Proceedings of Workshop on Document Intelligence and Understanding",
month = oct,
year = "2026",
address = "Budapest, Hungary",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/2026.docinsights-1.31/",
pages = "448--459",
ISBN = "979-8-89176-477-4"
}