PubTables-1M: Towards comprehensive table extraction from unstructured documents
PulseAugur coverage of PubTables-1M: Towards comprehensive table extraction from unstructured documents — every cluster mentioning PubTables-1M: Towards comprehensive table extraction from unstructured documents across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的 DELTA 和 TARQA 方法增强了 LLM 对表格的理解能力
研究人员开发了一种新的文档表格理解方法，将基于图像的视觉语言模型转向结构化文本表示。这种名为 DELTA 的方法将物理和逻辑结构识别与 OCR 分开，以准确提取表格布局和内容。输出格式 OTSL 专为 LLM 的高效处理而设计，并支持多语言文档。基于此格式微调的 LLM TARQA，在表格重建和视觉问答任务上显著提高了性能，在 WTQ 和 FinTabNetQA 等基准测试中取得了实质性进展。
-
新的主动学习方法增强表格提取管道
研究人员已将一种名为不确定性群集（Uncertainty Herding, UHerding）的主动学习策略应用于表格提取中使用的级联目标检测管道。此举旨在减轻昂贵的标注负担，特别是对于表格结构识别（Table Structure Recognition, TSR）。提出的扩展方法 RankFusion 和 CAPA，通过结合双流形覆盖和具有不确定性校准的阶段依赖门控，利用表格检测（Table Detection, TD）和 TSR …
-
新方法利用几何先验增强实时表格结构识别
研究人员开发了ConRTF，一种用于改进文档图像中实时表格结构识别的新方法。该方法利用了边缘约束的细粒度定位损失（EFL），该损失编码了表格特有的几何先验，强调行的水平边界和列的垂直边界。ConRTF展示了数据效率，仅用2000-3000个带标注的表格即可实现稳健的准确性，并在基准数据集上显示出优于现有实时检测器的持续改进。
-
FastTab 模型使用递归模块和一维 Transformer 进行表格识别
研究人员开发了 FastTab，这是一种新颖的表格结构识别模型，它利用了递归模块和一维 Transformer。这种方法通过专注于以网格为中心的推理，绕过了传统的自回归解码。FastTab 在多个基准测试中展示了具有竞争力的性能和低延迟推理，并可能应用于摄像头拍摄的文档。