Oct, 2020
VisualWordGrid: 多模态途径提取扫描文档信息
VisualWordGrid: Information Extraction From Scanned Documents Using A
Multimodal Approach
TL;DR介绍了一种用于扫描文档表示的新方法，它可以同时编码文本、视觉和布局信息，以3轴张量形式用作分割模型的输入，并在考虑到视觉形式的基础上，提高了对小数据集的鲁棒性同时保持推理时间的速度，经过公共和私人文档图像数据集的测试，与最近的最先进方法相比，表现出更高的性能。