Gemma 4によるゼロショットローカル文書解析：PDFを画像として扱う

要点

• PDFページを高解像度画像にレンダリングし、ビジョン言語モデルで読み取ることで、スキャンPDFとデジタルPDFの区別をなくします。
• Gemma 4は2D回転位置埋め込みと層ごとの埋め込みをサポートし、文書理解を向上させ、完全にローカルで実行可能です。
• 請求書解析パイプラインの完全なコード例（PDFレンダリング、モデル読み込み、構造化JSON出力を含む）を提供します。
• 複数のモデルサイズ（2.3B、4.5B、31B）から選択でき、ビジュアルトークン予算を調整して精度と速度のトレードオフを制御できます。