document analysis | BriefGPT

关键词document analysis

搜索结果 - 19

利用空间和频率的二值化文件处理
基于快速傅里叶卷积，提出了一种能够处理文档图像二值化问题的替代方案，克服了标准卷积在建模全局信息方面的局限性，同时比 Vision Transformer 需要更少的参数。
PDF2 months ago
COLINGLayoutLLM：针对视觉丰富文档理解的大语言模型指令调整
本文提出了 LayoutLLM，一种更灵活的文档分析方法，用于理解图像化文档。通过利用现有研究在文档图像理解和大规模语言模型的优势，通过与多模态指令数据集进行微调，提出的模型在单个模型中执行对文档图像的理解，并通过实验证明在各种文档分析任务
PDF3 months ago
指引的重要性
介绍了 Instruction Document Visual Question Answering（iDocVQA）数据集和 Large Language Document（LLaDoc）模型，用于训练文档分析的语言 - 视觉（LV）模型
PDF5 months ago
AAAITopic-VQ-VAE: 基于潜在码书的灵活话题引导文档生成
该论文介绍了一种利用隐变量量化自动编码器 (VQ-VAE) 从语言预训练模型中离散地提取丰富信息的新颖主题建模方法，并提出了一种新的生成主题模型 Topic-VQ-VAE (TVQ-VAE)，可以逆向生成与相应隐变量量化编码书相关的原始文档
PDF6 months ago
FATURA: 一种用于文件分析与理解的多布局发票图像数据集
FATURA 是一个包含多样布局、带有标注的发票文档图像的数据集，是迄今为止已知的最大公开可访问的发票文档图像数据集，提供了全面的文档分析和理解任务的基准，并在不同的训练和评估场景下进行实验，为研究人员推动文档分析和理解领域提供了帮助。
PDF7 months ago
MemGPT：朝着 LLMs 作为操作系统迈进
通过虚拟上下文管理技术，提出了 MemGPT（Memory-GPT）系统，该系统能够在有限的上下文窗口中有效地提供扩展的上下文，从而在文档分析和多会话聊天等任务中克服现代大型语言模型的限制。
PDF9 months ago
ICCV关注关键部分：选择性区域集中下的视觉文档理解
我们提出了一种新颖的端到端文档理解模型，称为 SeRum（选择性区域理解模型），用于从文档图像中提取有意义的信息，包括文档分析、检索和办公自动化。
PDF10 months ago
mapKurator 系统：从历史地图提取和链接文本的完整流水线
文档的定位特点和重要的本地特征。因此，我们提出了一种名为 JELLY 的简单而有效的联合嵌入方法，它在多位置（multi-LocaLitY）下同时学习文档和位置的编码器，能够更有效地识别文档空间重点。
PDFa year ago
基于 Transformer 的 UNet 结构，采用多头交叉注意力跳跃连接以消除扫描文档中的伪影
本研究使用修改后的 UNet 结构和 Swin Transformer Backbone 移除扫描文档中的典型画面伪影和压缩失真等文档中的 Artifacts，通过多头交叉关注跳过连接实现更具选择性地学习抽象级别。模型的性能在压缩误差、画素
PDFa year ago
ECCVDoc2Graph: 一种基于图神经网络的任务无关文档理解框架
这篇研究文章介绍了一种基于 GNN 模型的文档理解框架 ——Doc2Graph，可用于处理不同类型文档的不同任务，如发票布局分析及表格识别等，旨在提高信息提取的效率。
PDF2 years ago
巴西法律文件的序列感知多模态页面分类
本研究探讨了巴西最高法院文件的多模式分类，采用 ResNet 与多核卷积神经网络提取视觉和文本特征以及 biLSTM 网络建模页面的序列性，发现多模式分类优于单一模式分类。
PDF2 years ago
EMNLP一种新的神经搜索和洞察平台，用于浏览和组织人工智能研究
我们提出了一种新的平台 AI Research Navigator，该平台结合了传统的关键词搜索和神经检索，可发现和组织相关文献，同时还可以提供多级文本粒度的搜索，从句子到跨文档的聚合，包括自然语言和领域特定的知识图导航。
PDF4 years ago
EMNLP厌倦主题模型？预训练词嵌入聚类同样适用于快速且良好的主题！
本文提出了一种利用预训练单词嵌入进行文本聚类的新方法，同时整合文本信息进行加权聚类并重新排名前几个单词，旨在挖掘出文档集合中的主题，并对其性能进行基准测试并分析其在降维中的性能。实验表明，所提出的方法在降低时间和计算复杂度同时不输于传统的概
PDF4 years ago
CVPRDDI-100: 文本检测和识别数据集
本文提出了扭曲文档图像数据集（DDI-100），该数据集是基于 7000 张真实唯一的文档页面的合成数据集，包含超过 100000 个增强图像，标注信息包括文本和邮戳掩模、文本和字符边界框等，验证结果表明该数据集在文档分析等多种领域有很好的
PDF5 years ago
文件分类的模块化多模态架构
文本和图像内容均可用于页面分类，该方法在 RVL-CDIP 基准测试中实现了 93.03% 的准确率，超过了当前技术水平。
PDF5 years ago
一种端到端的视频文本检测器，具备在线跟踪功能
本文介绍一种基于 ConvLSTM 和在线跟踪的视频文本检测方法，将检测和跟踪的两个任务结合起来，提高了检测精度，降低了计算成本，并且实验表明该方法在 ICDAR2013 Video、Minetto 和 YVT 等数据集上均有极大的优势。
PDF5 years ago
基于众包的监督主题模型用于分类与回归学习
本文提出了两种基于监督学习的主题模型，分别用于分类和回归，能够考虑到实践中在不同的标注者之间遇到的多样性和偏见。同时，我们还开发了一种有效的随机变分推断算法，能够适应非常大的数据集，并在实验中证明了该模型相对于现有技术的优越性。
PDF6 years ago
MIDV-500: 移动设备上身份证件分析和识别的视频流数据集
本文介绍了一个 Mobile Identity Document Video 数据集 (MIDV-500)，其中包含来自 50 个不同身份证件类型的 500 个视频剪辑，提供了地面真实性，方便进行广泛的文档分析问题的研究，同时给出了人脸检测
PDF6 years ago
基于显著性的卷积神经网络用于数字化文档中表格和图表的检测
本文使用深度卷积神经网络、图形模型和关注点概念相结合的方法，设计了一种用于数字文本中表格和图表检测和定位的深度神经网络，其结果在 ICDAR 2013 数据集中表现良好。
PDF6 years ago