table structure recognition | BriefGPT

关键词table structure recognition

搜索结果 - 20

表格结构识别中的不确定性量化
通过表结构识别中的不确定性量化方法，该研究提出了一种基于测试时间增强（TTA）的混合专家方法来减少人工验证工作量，并通过丰富和多样化的表格表示突出具有识别不确定性的单元格。评估结果表明该方法有效地量化了表结构识别模型中的不确定性，并在标准基
PDF5 days ago
IJCAISEMv3: 表格分隔线检测的快速稳健方法
基于 “拆分和合并” 范式，本文提出了 SEMv3 方法，它通过引入 Keypoint Offset Regression (KOR) 模块在拆分阶段有效地检测表格分割线，并在合并阶段定义了一系列合并操作来高效描述表格结构。大量消融实验表明
PDF2 months ago
MMTC-OCR：高效检测与识别表格结构和内容的 TableCraft OCR
我们提出了一种端到端的流程，通过集成深度学习模型实现图像中的表格自动识别，解决了表格检测、表格结构识别和表格内容识别的问题，提高了准确性和效率。
PDF3 months ago
UniTable: 通过自监督预训练实现表格结构识别的统一框架
通过自我监督预训练和表格图像的更丰富无标注数据，UniTable 提出了一种统一的训练框架，将表格结构识别的训练对象整合为语言建模，达到了领域内最高水平。
PDF4 months ago
AAAI表格结构识别 Transformers 的自监督预训练
通过自我监督预训练方法，本研究解决了线性投影变换器在表格结构识别模型中替代混合 CNN-transformer 后性能下降的问题，进一步推进了表格作为一种有前景的表示学习方式。
PDF4 months ago
LORE++：用于表格结构识别的逻辑位置回归网络与预训练
我们提出了一个名为 LORE 的新的 TSR 框架，它以逻辑位置回归问题为模型，通过在统一网络中回归表格单元的逻辑位置和空间位置来解决表格结构识别问题。我们进一步提出了两个预训练任务来丰富 LORE 在特征层面的空间和逻辑表示，形成升级版的
PDF6 months ago
对视觉丰富文档的基于检测的表格结构识别进行再思考
将无结构的表格图像转换为 HTML 序列的表结构识别（TSR）任务经常遇到这样的挑战，并发现现有的基于检测的解决方案存在一些限制，因此比较了两阶段和基于 Transformer 的检测模型，明确了成功的两阶段检测模型的关键设计方面，包括多类
PDF7 months ago
高性能表格结构识别所需的早期卷积
在表结构识别中，我们设计了一个轻量级的视觉编码器，通过使用卷积网络作为起始模块以达到高性能的目的，并提供了可重现性的剔除研究和开源代码以促进在我们的领域中的透明度、激发创新和促进公平比较。
PDF8 months ago
TRACE：基于角落和边缘对齐的表格重构
该论文提出了一种基于底层特征分离的新方法，将表格分解成单元格，通过单元格的组合确定表格位置，大幅提升了检测表格的效率和精度。
PDFa year ago
表格结构识别方法的可重现性和可复制性研究
本文考察了人工智能表格结构识别领域中 16 篇已发表论文的可重现性和可复制性，通过使用原始作者提供的代码和数据集尝试复现其结果，并采用类似数据集和新数据集进行复制性检查，检验结果表明只有其中 4 篇论文的结果与原始相符，其中 2 篇论文的可
PDFa year ago
CVPR采用视觉对齐序列坐标建模提升表格结构识别
提出了一种名为 VAST 的表结构识别框架，其中包含一个新颖的坐标序列解码器以及一个辅助的视觉对齐损失。通过该框架，可以实现在逻辑和物理结构识别方面的最先进的结果。
PDFa year ago
TRUST: 使用基于分割的 Transformer 的准确的端到端表格结构识别器
本文提出了一种基于 Transformer 网络的 table structure recognition 方法 TRUST，并引入了基于查询的切割模块和基于顶点的合并模块，将 table structure recognition 问题分
PDF2 years ago
MMICT 供应链的大型表格数据处理：多任务、机器可解释性方法
提出了一种基于图的表格结构识别（TSR）任务和表格单元格类型分类（CTC）任务的多任务模型，通过使用文本模态和图像模态特征来同时解决这两个任务，旨在将电子文档中的表格数据转化为可机读格式，并为信息提取和解释提供布局和语义信息。实验结果表明，
PDF2 years ago
TSRFormer：基于 Transformer 的表格结构识别
提出了一种名为 TSRFormer 的新的表格结构识别方法，使用线性回归问题而不是图像分割问题来预测表格的分隔线，并提出了新的两阶段 DETR 分隔线预测方法来直接从表图像中预测分隔线。使用新的技术后，我们的 TSRFormer 在几个基准
PDF2 years ago
CVPR神经协同图机器用于表结构识别
本文提出了基于深度图模型的神经协作图机器（Neural Collaborative Graph Machines，NCGM）用于异构表结构识别，通过堆叠协作块交替提取内部模态上下文，并分层地建模内部 - 内部、内部 - 外部及外部 - 外部
PDF3 years ago
拆分、嵌入和合并：一种准确的表格结构识别器
本文介绍了一种称为分割、嵌入和合并（SEM）的准确的表格结构识别器，该模型由分割器、嵌入器和合并器三部分组成，能够通过对表格图像的处理，无论是简单还是复杂，正确识别表格的内部结构。SEM 在多个公开数据集上的实验中均表现出色，是当前的最佳模
PDF3 years ago
EMNLPForm2Seq：高阶表单结构提取框架
提出一种基于文本的新颖结构提取框架 Form2Seq，将文档结构提取任务转化为两个子任务：低级元素分类和高级构建分组，通过顺序预测每个元素实现结构提取，使用两个任务级联深度学习训练提高了结果准确性，在 ICDAR 2013 数据集上实现了最
PDF3 years ago
LGPMA: 基于局部和全局金字塔掩模对复杂表格结构进行识别
本文提出了一种名为 Local and Global Pyramid Mask Alignment 的方法，该方法能够更准确地预测表格结构的边界框，同时解决空单元定位和划分问题。实验结果表明，该方法在几个公共基准上取得了有竞争力甚至是最新的
PDF3 years ago
使用自上而下和自下而上线索的表格结构识别
本研究提出了一种识别具有复杂结构，密集内容和不同布局的表格的方法，其不依赖于元特征和 OCR，并结合单元检测和交互模块来本地化细胞并预测它们与其他检测到的单元的行和列关联，同时将结构约束作为细胞检测损失函数的附加差分组件，从而将自上而下和自
PDF4 years ago
复杂表格结构识别
本论文提出了一种名为 GraphTSR 的新型图神经网络，用于在 PDF 文件中识别表的结构，其通过预测单元之间的关系来识别表结构，并构建了一个大规模的表结构识别数据集 SciTSR，该模型对于复杂的表具有很高效性，并超过了基准数据集和新构
PDF5 years ago