Apr, 2023

DocParser: 基于端到端的无 OCR 信息提取技术， 用于含丰富视觉元素的文档

PDF
TL;DR本文提出了基于 DocParser 的 OCR-free 端到端信息提取模型，不同于以往的方法，其能更好地提取具有区别性的字符特征，并在各种数据集上实现了最先进的结果，同时速度比以前的工作还要快。
information extractionocr-freedocparserend-to-endcharacter features
发现论文，激发创造
  • 深度阅读器：通过关系抽取和自然语言从文档图像中提取信息

    这篇论文介绍了一种名为 DeepReader 的新型企业级综合框架，其通过识别文档图像中的视觉实体并在不同实体之间填充元关系模型来促进文档图像中的信息提取，包括从表格、图表、脚注、文本框和标题等视觉实体中提取相关信息。

    Dec, 2018

  • TRIE：端到端文本阅读和信息提取以实现文档理解

    本文提出了一种统一的端到端文本阅读和信息提取网络，通过融合文本阅读的多模态视觉和文本特征来实现信息提取，并且信息提取中的语义有助于优化文本阅读，该方法在真实世界的数据集上表现出比现有方法更高的效率和准确性。

    May, 2020

  • 从文档中进行端到端信息提取 -- 出席、复制、解析

    本文提出了一种深度神经网络模型 ——Attend，Copy，Parse，该模型可直接在端到端数据上进行训练，跳过了创建复杂的单词级标签的需求，因此被认为在许多现实生活信息提取任务中可以使用。

    Dec, 2018

  • 利用文本分析和版面特征从扫描的发票图像中提取信息

    OCRMiner 系统使用文本分析技术与布局特征相结合的方法从扫描文档图像中提取 (半) 结构化文档的索引元数据。该系统由多个相互连接的模块组成，使用开源 OCR 系统，其英文数据召回率达 90％，捷克语数据召回率为 88％。

    Aug, 2022

  • 构建多元数字历史的高效 OCR

    通过对 OCR 进行字符级图像检索建模，解决了现有体系结构在低资源情况下无法准确识别光学字符识别问题的不足，并为社区参与使数字历史更具代表性开辟了新的途径。

    Apr, 2023

  • EfficientOCR: 高效数字化世界知识的可扩展开源软件包

    EffOCR 是一种开源 OCR 包，以字符或单词级图像检索问题的方式模拟 OCR，具有成本低、样本高效、易于部署和定制等优点，并在历史文件和日文文档的数字化上取得了成功。

    Oct, 2023

  • DocParser: 文档呈现的分层结构解析

    本文提出了 DocParser，它是一种端到端的系统，可以解析包括所有文本元素、嵌套图形、表格和表格单元结构在内的完整文档结构，并提出了一种基于弱监督的可扩展学习框架以提高文档结构解析性能。研究表明，相比于没有弱监督的基线，这种方法可以提高 39.1％的文档实体检测平均精度，并提高 35.8％的分层关系分类 F1 得分。

    Nov, 2019

  • CREPE: 坐标感知的端到端文档解析器

    通过 OCR-free 序列生成模型，本研究提出了 Coordinate-aware End-to-end Document Parser (CREPE) 模型，用于图像文档理解。该模型不仅可以从文档图像中解析文本，还可以提取文本的空间坐标，并通过引入特殊标记和基于标记的坐标解码实现这些功能。实验结果表明 CREPE 在文档解析任务上取得了最新的性能，其适应性还体现在布局分析、文档视觉问答等其他文档理解任务中。该模型不仅减少了现有依赖 OCR 方法的错误传播问题，还显著增强了序列生成模型的功能，引领了文档理解研究的新时代。

    May, 2024

  • 半结构化文档图像的高性价比端到端信息提取

    本文提出了通过将文档信息抽取 (IE) 作为序列生成任务的方式，将现有的基于流水线的 IE 系统转变为端到端系统的尝试，着重解决了大规模实际部署所涉及的实际挑战，并证明了单个端到端 IE 系统仍然能够实现竞争性能。

    Apr, 2021

  • 基于数据效率的形式文档信息提取

    本文介绍了如何使用少量标记数据和被标记语料库进行转移学习，以实现在规模上自动从表单状文件提取信息。

    Jan, 2022