Apr, 2024

UniMERNet: 一个用于现实世界数学表达式识别的通用网络

PDF
TL;DR该研究提供了 UniMER 数据集，对复杂的实际场景中的数学表达式识别进行了首次研究。UniMER 数据集由大规模训练集 UniMER-1M 和精心设计的测试集 UniMER-Test 组成，使得能够训练出鲁棒和高准确性的数学表达式识别模型并全面评估其性能。此外，研究还介绍了 Universal Mathematical Expression Recognition Network (UniMERNet) 的创新框架，以提升实际场景下的数学表达式识别。经过广泛实验验证，UniMERNet 在各种场景中表现优于现有的模型，为真实世界应用提供了卓越的识别质量。
mathematical expression recognitionunimer datasetunimernetreal-world scenariosmodel performance
发现论文，激发创造
  • MathNet：基于数据的印刷数学表达式识别方法

    我们提出了一种数据为中心的方法来克服印刷数学表达式识别中的问题，并呈现了令人信服的实验结果：我们的主要贡献是增强 LaTeX 规范化以将任何 LaTeX 数学表达式映射到一个规范形式。基于这个过程，我们开发了一个改进版的基准数据集 im2latex-100k，包含 30 种字体而不是一种。其次，我们引入了实际论文中提取的数学表达式数据集 realFormula。第三，我们开发了一个基于卷积视觉变换器的数学表达式识别模型 MathNet，在所有四个测试集（im2latex-100k，im2latexv2，realFormula 和 InftyMDB-1）上表现出优越的结果，比之前的最先进技术高出高达 88.3%。

    Apr, 2024

  • 手写数学表达式识别的语法感知网络

    本文提出了一种基于编码器 - 解码器网络的数学公式识别方法，在网络中加入语法规则，将标记序列预测建模为树遍历过程，从而有效描述表达式的语法上下文，减轻了数学公式识别中的结构预测误差。实验结果表明，我们的方法在三个基准数据集上均取得了比现有方法更好的识别性能。同时，我们还创建了一个包含 10 万个手写数学表达式图像的大规模数据集，其源代码、新数据集和预训练模型也将公开。

    Mar, 2022

  • 手写数学表达式识别的智能检测网络

    我们提出的智能检测网络在手写数学公式识别中利用物体检测技术，与传统编码器 - 解码器方法不同，能够精确检测符号和数字，优于其他网络在识别复杂手写数学表达式方面，对 HMER 领域具有潜在的宝贵贡献。

    Nov, 2023

  • 双支网络实现准确的印刷数学表达识别

    本文介绍了一种基于双分支变压器网络的可打印数学表达式识别（PMER）方法，通过学习局部和全局上下文信息来解决卷积神经网络无法捕捉到所有数学符号的问题。实验结果表明，该方法在数学表达式识别方面具有准确性且达到了最先进的性能。

    Dec, 2023

  • 通用 NER：金标准多语言命名实体识别基准

    介绍了一个名为 Universal NER (UNER) 的开源项目，旨在开发多种语言的黄金标准 NER 基准；UNER 的目标是提供高质量的、跨语言一致的标注，以促进和标准化多语言 NER 研究。UNER v1 包含使用一致的跨语言模式在 12 种不同语言中注释的 18 个数据集。在本文中，我们详细介绍了 UNER 的数据集创建和组成，并提供了在本语言和跨语言学习设置下的初始建模基线。我们向公众发布了数据、代码和拟合模型。

    Nov, 2023

  • 当计数遇到 HMER: 一种针对手写数学表达式识别的计数感知网络

    该论文提出了一种名为计数感知网络（CAN）的非传统网络结构，通过联合优化手写数学表达式识别（HMER）和符号计数两个任务，可以更精确地读取具有复杂结构或生成较长标记序列的数学公式图像。

    Jul, 2022

  • MathWriting: 数学手写表达识别数据集

    介绍了 MathWriting 数据集，它是迄今为止最大的在线手写数学表达式数据集，包含 23 万人工书写样本和 40 万个合成样本。MathWriting 还可用于离线 HME 识别，并且比所有现有的离线 HME 数据集（如 IM2LATEX-100K）都要大。为了推进在线和离线 HME 识别的研究，引入了基于 MathWriting 数据的基准测试。

    Apr, 2024

  • OpenWebMath：一个高质量数学网页文本开放数据集

    通过基于大规模数学文档的预训练，提高大型语言模型的推理能力并引入一个开放的数学网页数据集，从而促进大型语言模型的推理能力的进展。

    Oct, 2023

  • 识别垂直加法和减法的手写数学表达式

    手写数学表达式识别的挑战在于应用于教育，本文提出了一种新的数据集和解决方案，能够识别竖直形式的初等数学表达式，并对目标检测算法和表达式识别率进行了评估。

    Aug, 2023

  • UniGeo: 通过重构数学表达式统一几何逻辑推理

    本文介绍了一个基于多任务转换器框架 Geoformer 的大规模统一几何问题基准测试 UniGeo，通过共同表达式生成的方式统一解决计算和证明问题，并提出了预测数学表达式的方法 MEP，从而提高了 Geoformer 的性能。

    Dec, 2022