CVPRMar, 2023

采用视觉对齐序列坐标建模提升表格结构识别

PDF
TL;DR提出了一种名为 VAST 的表结构识别框架，其中包含一个新颖的坐标序列解码器以及一个辅助的视觉对齐损失。通过该框架，可以实现在逻辑和物理结构识别方面的最先进的结果。
table structure recognitionimage-to-text approachesbounding box predictioncoordinate sequence decodervisual-alignment loss
发现论文，激发创造
  • 表格结构和字符识别的多细胞解码器与相互学习

    从科学论文和财务报告等文件中提取表格内容，并将其转换为可以被大型语言模型处理的格式是知识信息处理中的一项重要任务。本文提出了一种多单元内容解码器和双向互相学习机制的端到端方法改进方案，通过两个大型数据集的实验结果表明，该方法在性能上与最先进的模型相当，甚至对于包含大量单元的长表格也能达到可比较的性能。

    Apr, 2024

  • 基于编码器 - 解码器模型的表格生成框架

    提出了一种面向文本到表格的神经模型框架，包括排列基础的解码器，可应用于提取行项、合并实体和关系、或者知识库填充等 NLP 任务中，并在多个挑战性数据集上实现了超越以往解决方法高达 15％的最优效果。

    Jun, 2022

  • TableFormer: 基于 Transformer 的表格结构理解

    本文提出了一种新的表格结构识别模型，通过引入新的对象检测解码器和基于 transformer 的解码器，能够更准确地提取表格内容并处理各种形式的表格。

    Mar, 2022

  • LGPMA: 基于局部和全局金字塔掩模对复杂表格结构进行识别

    本文提出了一种名为 Local and Global Pyramid Mask Alignment 的方法，该方法能够更准确地预测表格结构的边界框，同时解决空单元定位和划分问题。实验结果表明，该方法在几个公共基准上取得了有竞争力甚至是最新的最佳性能。

    May, 2021

  • 联合视觉语义推理：多阶段文本识别解码器

    通过引入语义信息，该论文提出了一种基于多级多尺度注意力解码器的视觉 - 语义推理方法，使用以往的视觉特征进行预测并使用多级注意力进行精细化的预测，获得了比现有技术达到了更好的性能。

    Jul, 2021

  • 使用双向门控循环单元网络进行表格结构提取

    本文提出了一种基于深度学习的方法，它首先对表格图像进行预处理，然后将其输入到具有门控循环单元（GRU）的双向循环神经网络中，最终将结果分类为行分隔符或列分隔符。该方法在表格结构提取方面取得了显著的性能提升。

    Jan, 2020

  • TRACE：基于角落和边缘对齐的表格重构

    该论文提出了一种基于底层特征分离的新方法，将表格分解成单元格，通过单元格的组合确定表格位置，大幅提升了检测表格的效率和精度。

    May, 2023

  • 标签对齐前的多模式标签集成视频文本检索

    本文提出了一种用于视频 - 文本检索的 TABLE（标记前对齐）网络，该网络通过标记将多模态信息显式地集成在一起，并在视觉编码器、标记编码器、文本编码器和带有标记引导的跨模态编码器的联合编码下，使用预训练的多模态专家从多模态中提取信息。实验表明，TABLE 模型在 MSR-VTT、MSVD、LSMDC 和 DiDeMo 等多个视频 - 文本检索基准中表现出了最先进的性能。

    Jan, 2023

  • 使用自上而下和自下而上线索的表格结构识别

    本研究提出了一种识别具有复杂结构，密集内容和不同布局的表格的方法，其不依赖于元特征和 OCR，并结合单元检测和交互模块来本地化细胞并预测它们与其他检测到的单元的行和列关联，同时将结构约束作为细胞检测损失函数的附加差分组件，从而将自上而下和自下而上的线索结合在一起，实现对表格的视觉理解

    Oct, 2020

  • 异构文档图像中的鲁棒表格检测和结构识别

    RobusTabNet 是一种新的具有表检测和结构识别功能的方法，可检测表格的边界，并从异构文档图像中重建每个表格的细胞结构。我们提出了使用 CornerNet 作为新的区域提议网络进行表检测，并提出了基于分割和合并的表格结构识别方法。

    Mar, 2022