visual information extraction | BriefGPT

关键词visual information extraction

搜索结果 - 9

UniVIE：一种基于统一标签空间的表单式文档图像信息提取方法
现有的视觉信息提取方法通常将从表单样式文档中提取信息的过程分解为不同的子任务，我们提出了一种新的视角，将其重新定义为关系预测问题，并统一了不同任务的标签，以解决表单文档中的层次关系。我们提出的统一模型 UniVIE 通过构建树提案和关系解码
PDF6 months ago
DOMINO: 多步视觉语言推理的双系统
通过一个包含系统 1 和系统 2 的双系统，本论文提出了一种用于多步骤多模态推理的方法，其中系统 1 用于提取视觉信息，系统 2 用于深入推理。通过实验证明，我们的方法在图表数据集上与之前的工作相比表现出竞争力，在多步骤推理的少量数据上通过
PDF9 months ago
野外环境下的视觉信息提取：实用数据集和端到端解决方案
该论文提出了一个更实际的数据集和一种新颖的端到端学习框架，通过对比学习缩小 OCR 和信息提取任务之间的语义差距来实现 VIE，然后在这个新数据集上评估现有的 VIE 方法并展示了性能提升。
PDFa year ago
CVPRGeoLayoutLM: 视觉信息提取的几何预训练
本文提出了一种名为 GeolayoutLM 的多模态框架，通过显式地建模提前准备阶段的几何关系来解决 Visual information extraction 领域中 semantic entity recognition 和 relat
PDFa year ago
MM语音视频定位的视频引导课程学习
本文介绍了一种新的任务：口语视频 grounding（SVG），旨在将口语描述中的期望视频片段定位出来。该文通过电视测试数据表明，采用音频需要模型直接从原始语音中利用有用的音素和音节与视频相关信息。为了更好地模拟实际应用，还将环境噪声随机添
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
IJCAIMatchVIE: 利用实体之间的匹配相关性进行视觉信息提取
该研究提出了一种基于图神经网络的键值匹配模型 MatchVIE 用于视觉信息提取任务，通过关键词匹配和相关性评估实现了对实体之间的强相关度依赖，模型中采用的 Num2Vec 操作有助于提高编码值的稳定性和收敛性。该方法在实验中证明优于以往的
PDF3 years ago
IJCAI标记、复制或预测：一种统一的弱监督学习框架，用于使用序列进行视觉信息提取
本文提出了一种弱监督的学习框架 TCPN，采用了仅使用关键信息序列作为监督信号的训练策略，并且包含了两种推理模式：复制或预测模式和标记模式。在几个公共基准测试上，我们的方法展现了新的最先进表现，充分证明了它的有效性。
PDF3 years ago
AAAI现实世界中稳健的视觉信息提取：新数据集和新方法
本文提出了一种鲁棒的视觉信息提取系统（VIES），它是一个统一的端到端可训练框架，用于同时进行文本检测、识别和信息提取。同时，本文构建了一个名为 EPHOIE 的数据集，它是用于文本定位和视觉信息提取的第一个中文基准数据集。与最先进的方法相
PDF3 years ago