PereStruct

PereStruct 管道鲁棒地解析复杂的历史文档

研究人员开发了 PereStruct，一个用于解析复杂历史文档（尤其是报纸）的新管道，这类文档常常让当前的视觉语言模型感到困惑。该系统集成了用于布局分析的微调 YOLO 架构和一个使用 TF-IDF、视觉嵌入和几何约束来重建文章的语义组装模块。PereStruct 在块到文章映射上取得了 0.904 的最先进 F1 分数，并且在保真度方面显著优于 Qwen3.6 等通用视觉语言模型。