使用Gemma 4进行零样本本地文档解析：将PDF视为图像

要点

• 将PDF页面渲染为高分辨率图像，用视觉语言模型直接读取，消除扫描版与数字版PDF的差异。
• Gemma 4支持2D旋转位置嵌入和逐层嵌入，增强文档理解能力，完全本地运行，无需API密钥。
• 提供完整的发票解析流水线代码示例，涵盖PDF渲染、模型加载和结构化JSON输出。
• 根据硬件条件可选择不同模型大小（2.3B至31B参数），并通过调整视觉令牌预算平衡精度与速度。