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

本文提出了一种新的任务：层次化重建多页文档的语义结构，并介绍了基于编码 - 解码结构的层次性文档结构分析系统 (DSPS) 来解决该问题。通过采用多模式双向编码器和结构感知 GRU 解码器，以及软屏蔽操作，DSPS 模型的表现优于基线方法。此外，作者还构建了一个大规模数据集 HRDoc，并公开发布。

Mar, 2023

介绍了一种深度神经网络 DSG-Net，通过变分自编码器在分层结构上同时学习结构和几何形状，并使用条件部分 VAE 表示高质量的几何细节，从而实现了 D 形状生成的可控、高质量和可分离表示。

Aug, 2020

DSGG 研究主要关注于在视频的时空域中识别视觉关系。本文提出了一种称为 OED 的一阶端到端框架，它将任务重新定义为集合预测问题，并利用成对特征来表示场景图中的每个主客体对。同时，为了捕获时序依赖关系，引入了一种称为 PRM 的渐进细化模块，它能够在没有额外跟踪器或手工制作的轨迹的约束下聚合时序上下文，并实现网络的端到端优化。通过在 Action Genome 基准上进行大量实验，证明了我们设计的有效性。

May, 2024

本文介绍了一种新的基于 Transformer 的方法，称为 DSGG，将场景图检测视为基于一组独特的图感知查询的直接图预测问题，并采用放松子图匹配的方式获取图节点及其关系的紧凑表示，以及通过关系蒸馏策略来解决关系语义重叠问题。实验结果表明，该模型在场景图生成任务上取得了最先进的结果，在 mR@50 和 mR@100 方面分别取得了 3.5％和 6.7％的显著改进，在全景场景图生成任务上甚至取得了 8.5％和 10.3％的更大改进。

Mar, 2024

该论文介绍了 Differentiable Scene Graphs (DSGs)—— 一种可微的、可端到端优化的图像表示方法，该方法通过利用有标签的下游任务进行监督，对场景图中的实体和关系进行密集编码，从而在视觉推理任务中取得了新的最优表现，特别在指代关系标识方面表现良好。

Feb, 2019

本文提出使用预训练语言模型 (PLM) 通过序列生成 (DPSG) 实现通用且无模板的依存解析 (DP)，可以实现单模型下句法 DP 和语义 DP，并具有多方案解析功能，与现有方法相比在多个基准任务上表现相当甚至更好。

Jan, 2022

我们介绍了一种基于上下文无关文法（CFG）的特定领域速记（DSS）格式，用于减少生成结构化数据所需的标记数量，并将其应用于使用 LLMs 进行数据可视化的情况，以实现生成的标记数量的显著降低（3 倍至 5 倍），从而大大降低延迟和成本。

Jun, 2024

本文提出了 Re3G 方法，旨在统一粗粒度知识检索与细粒度知识抽取，以改进多文档对话系统中回答用户请求的效率与准确性。通过在 DialDoc Shared Task 上的实验，证明了该方法的有效性。

Feb, 2023

使用 DGST 模型，经过定量和定性实验，在不需要识别器或并行语料库的情况下，与其他结构更为复杂的基准模型相比，实现了较高的文本风格转换性能。

Oct, 2020