文档理解（Document Understanding）是一类结合计算机视觉（Computer Vision）与自然语言处理（Natural Language Processing, NLP）的多模态人工智能技术，旨在让机器能够理解包含文本、图像、表格、版面结构等复杂信息的文档内容。与传统光学字符识别（Optical Character Recognition, OCR）仅关注文字转录不同，文档理解系统不仅需要识别文字，还需要分析文档中的空间布局、视觉元素以及不同内容之间的语义关系，从而实现信息提取、内容解析和知识组织。

文档理解技术的发展建立在 OCR 、文档分析和预训练模型等多个领域的基础之上。早期文档处理系统主要依赖 OCR 技术结合人工设计规则完成文字识别和字段提取，但面对复杂版式文档（如合同、发票、报告和表单）时，容易丢失文本之间的空间关系。 2019 年，微软亚洲研究院研究人员提出 LayoutLM: Pre-training of Text and Layout for Document Image Understanding 首次将文本信息与文档布局信息结合到预训练模型中，通过联合建模文字内容和二维空间位置，提高了模型对文档结构的理解能力，成为文档理解领域的重要研究工作。

随着预训练模型和多模态学习的发展，现代文档理解模型逐渐融合文本、视觉和布局等多种信息。以 LayoutLM 系列模型为代表的方法进一步扩展了二维位置编码、图像特征以及视觉语义表示，使模型能够处理更加复杂的文档场景。相关技术已广泛应用于智能文档处理（Intelligent Document Processing, IDP）、金融票据分析、合同信息抽取、企业档案管理、医疗文档解析等领域。

文档理解主要解决传统 OCR 方法只能获取文字内容，而难以理解文档结构和语义关系的问题。通过联合分析文本内容、版面布局（Bounding Boxes）以及视觉特征，模型能够识别文档中的字段关系、表格结构和关键信息，从而减少对人工规则模板的依赖。目前，文档理解已经成为企业智能化信息处理和多模态人工智能系统中的重要技术方向。