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

本文提出了一种基于注意力机制的模型，用于端到端手写文字识别，可以自动识别多行手写内容，无需进行预先分割。

Apr, 2016

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

手写文件中的信息提取过程往往依赖于获得自动转录并对该转录执行命名实体识别（NER）；出于这个原因，在公开可用的数据集中，系统的性能通常使用适用于每个数据集的特定指标进行评估。而且，大多数使用的指标对阅读顺序错误非常敏感，因此不能反映系统的预期最终应用，并且在更复杂的文件中引入了偏见。在本文中，我们提出并公开发布了一套针对手写文件中信息提取评估的与阅读顺序无关的度量标准。在实验中，我们对度量标准的行为进行了深入分析，并推荐了我们认为的正确评估任务所需的最小度量标准。

Apr, 2024

该研究提出了一种基于识别的新颖方法，通过使用基于变压器的文档检索和集成方法在模型层面上改进了 HW-SQuAD 和 BenthamQA 数据集上的现有最先进技术，分别实现了 82.02％和 92.55％的精确匹配得分，在 HW-SQuAD 和 BenthamQA 数据集上超过了现有最佳的基于识别的方法 10.89％和 26％。我们还增强了文档检索组件，将前五次检索的准确性从 90％提高到 95.30％。我们的研究结果证明了我们提出的方法在推进手写文档问答方面的重要性。代码和训练模型将公开提供，以促进未来在这一关键领域的研究。

Jun, 2024

在线手写字符分割与手写识别紧密关联，但仅通过识别模型定位相关位置通常无法产生精确的分割。我们将分割与识别解耦，使得分割结果能进一步被利用。我们专注于已知转录的情况，此时字符分割变成了笔迹轨迹的采样点与文本中字符的匹配问题。受 $k$-means 聚类算法启发，我们从簇分配的角度看待它，并提出了一种基于 Transformer 的架构，在 Transformer 解码器块中使用学得的字符查询形成每个簇。为了评估我们方法的质量，我们为两个流行的在线手写数据集 IAM-OnDB 和 HANDS-VNOnDB 创建了字符分割的真值，并对它们进行了多种方法的评估，证明我们的方法达到了最佳的整体效果。

Sep, 2023

本文提出了一种针对离线手写段落文本识别的神经网络模型，利用注意力权重计算图像表示，实现了一种隐式行分割的可训练端到端模型，试验结果表明其性能与传统基于线段的模型竞争力相当，具有将全文档转录实现的潜力。

Apr, 2016

本文提出了一种新的基于问题回答的键值对提取方法 KVPFormer，使用 Transformer 编码器识别关键实体，通过 Transformer 解码器预测对应的答案，并进一步提出了粗细阶段答案预测方法和空间兼容性注意力偏差方法，从而在 FUNSD 和 XFUND 数据集上取得了优于先前最佳方法的 7.2％和 13.2％的 F1 得分，获得最新的结果。

Apr, 2023

本文讨论了采用弱标签数据从手写处方单中提取药名的问题，并提出一种新的方法，并证明该方法比现有的最先进技术方法表现更好。

Jun, 2023

本文提出了一种基于端到端文档分类和关键信息提取的表格自动处理方法，其中采用了文本和布局编码技术，利用余弦相似度度量来对视觉上相似的文档进行分类，进而使用混合整数规划来提取文档中的关键信息，实验表明本方法对于文档预处理等优化技术具有重要作用，并取得了令人满意的实验效果。

Jun, 2023