puruchinera/FacturaRD-Synth

Facturas DGII sintéticas

Dataset de facturas dominicanas completamente sintéticas para entrenamiento y evaluación de extracción fiscal y OCR con modelos multimodales como Florence-2.

El objetivo es entrenar modelos capaces de recibir una imagen con una o varias facturas y producir simultáneamente:

1. registros fiscales estructurados;
2. una transcripción OCR del contenido visible.

Formato

Cada fila de train.jsonl contiene:

• image: ruta relativa de la imagen;
• prefix: <DGII_606> o <DGII_607>;
• suffix: JSON serializado con registros y ocr;
• metadata reproducible de plantilla, degradación, dificultad y semilla.

Ejemplo simplificado:

{
  "image": "images/606_000000.jpg",
  "prefix": "<DGII_606>",
  "suffix": "{\"registros\":[...],\"ocr\":\"...\"}",
  "degradation_profile": "scan_clean",
  "num_invoices": 1,
  "seed": 8544979861778907105,
  "difficulty": "easy",
  "split": "train"
}

El contenido de suffix tiene la forma:

{
  "registros": [
    {
      "rnc": "...",
      "ncf": "...",
      "fecha_comprobante": "...",
      "...": "..."
    }
  ],
  "ocr": "texto completo visible en la factura"
}

Tareas DGII

<DGII_606> y <DGII_607> representan dos esquemas diferentes de extracción fiscal inspirados en los formatos utilizados por la Dirección General de Impuestos Internos (DGII) de República Dominicana.

Los campos presentes en registros dependen del tipo de tarea.

Escenas con múltiples facturas

Una imagen puede contener de una a cuatro facturas.

Cuando existen varias facturas:

• registros contiene un elemento por factura;
• las transcripciones OCR se concatenan;
• las facturas se separan mediante --- FACTURA ---;
• el orden sigue la posición visual de superior a inferior y luego de izquierda a derecha.

Variación visual

Las imágenes pueden incluir diferentes condiciones de adquisición y degradación, incluyendo perfiles como:

• digital limpio;
• escaneo;
• fotografía de móvil;
• fotocopia;
• documento manipulado;
• ticket térmico degradado;
• iluminación y exposición variables;
• perspectiva y rotación;
• sellos;
• anotaciones manuscritas;
• firmas.

La metadata incluye información como degradation_profile y difficulty para permitir evaluaciones separadas según el tipo de degradación.

Datos sintéticos

El contenido, las operaciones, los artículos y las imágenes son sintéticos.

El generador no incorpora las facturas de referencia de terceros utilizadas durante el desarrollo.

Los datos fiscales presentes en las imágenes se generan para construir ejemplos sintéticos destinados a investigación y entrenamiento de modelos de Document AI.

Limitaciones

Este dataset no pretende reproducir toda la distribución de facturas reales de República Dominicana.

Los layouts, empresas, operaciones y degradaciones se generan sintéticamente, por lo que puede existir un domain gap respecto a documentos reales.

El rendimiento sobre este dataset no debe interpretarse automáticamente como rendimiento equivalente sobre facturas reales.

Usos

El dataset puede utilizarse para experimentar con:

• OCR multimodal;
• extracción estructurada de documentos;
• fine-tuning de Florence-2 y otros VLM;
• document understanding;
• extracción de información fiscal;
• procesamiento de múltiples documentos dentro de una misma imagen.