layout information | BriefGPT

关键词layout information

搜索结果 - 5

MaGRITTe: 图像、鸟瞰与文本的操控和生成 3D 实现
使用部分图像、顶视图的布局信息和文本提示来控制和生成多模态条件下的 3D 场景，通过预训练的文本到图像模型微调，以及布局条件的深度估计和神经辐射场（NeRF），实现从给定条件生成 2D 图像和从 2D 图像生成 3D 场景，避免创建庞大的数
PDF3 months ago
CVPRXYLayoutLM：面向布局感知的多模态网络，用于视觉丰富的文档理解
本论文提出了一种名为 XYLayoutLM 的鲁棒的布局感知多模态网络，它可以从通过 Augmented XY Cut 生成的正确阅读顺序中捕获和利用丰富的布局信息，并且提出了一种扩展有条件位置编码模块来处理变长输入序列，同时从文本和视觉模
PDF2 years ago
EMNLP在信息丰富的文档中以依赖解析的方式提取实体关系
本文使用 biaffine 解析模型，通过布局信息提取视觉信息中的实体关系，成功运用于生产环境。
PDF3 years ago
Text-Image-Layout Transformer 技术在文档理解中的全面应用
本文介绍了 TILT 神经网络架构，该架构同时学习布局信息、视觉特征和文本语义的自然语言理解方式。与以往的方法不同，我们依赖于一个能够统一涉及自然语言的各种问题的解码器。该架构的核心是一个预训练的编码器 - 解码器 Transformer，
PDF3 years ago
VisualWordGrid: 多模态途径提取扫描文档信息
介绍了一种用于扫描文档表示的新方法，它可以同时编码文本、视觉和布局信息，以 3 轴张量形式用作分割模型的输入，并在考虑到视觉形式的基础上，提高了对小数据集的鲁棒性同时保持推理时间的速度，经过公共和私人文档图像数据集的测试，与最近的最先进方法
PDF4 years ago