English(EN) EMBLEM: Enhancing Multi-script Table Detection through Masking

新的EMBLEM方法使用掩码改进多脚本表格检测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

研究人员开发了EMBLEM，一种新颖的基于掩码的方法，用于增强文档中的多脚本表格检测。该方法旨在提高在英文文档上训练的模型应用于多语言和多脚本文本时的性能。为此，创建了一个名为MANDALA的新数据集，包含18种语言和15种脚本的2,323页。实验表明，EMBLM显著提高了在MANDALA数据集上的表格检测准确性，即使没有多脚本训练数据，也取得了显著的F1分数提升。 AI

影响增强了多语言数据集的文档分析能力，有可能改进从不同来源的信息检索和数据提取。

排序理由该集群描述了一篇关于特定NLP任务的新颖方法和数据集的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇关于特定NLP任务的新颖方法和数据集的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Dhruv Kudale, Udhay Brahmi, Ganesh Ramakrishnan · 2026-09-10 04:00

EMBLEM：通过掩码增强多脚本表格检测

arXiv:2609.08330v1 Announce Type: new Abstract: Table detection is a core task in document analysis, supporting downstream applications such as information retrieval, document reconstruction, and visual question answering. While existing deep learning models perform well on Engli…

本文如何被排名

报道来源 [1]

EMBLEM：通过掩码增强多脚本表格检测

相关实体

相关话题