实体
PubTabNet
PubTabNet
PulseAugur coverage of PubTabNet — every cluster mentioning PubTabNet across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
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。
-
新的几何感知损失提高了表格结构识别的准确性
研究人员开发了一种名为几何感知指针（GAP）损失的新损失函数，以改进计算机视觉中的表格结构识别（TSR）。这种新颖的方法解决了一个常见的失败模式，即在空间相邻单元格之间发生错误，而标准的交叉熵损失对此类错误惩罚不足。通过根据空间邻近性重新加权损失，GAP 损失将更强的梯度导向这些困难的相邻单元格。GAP 损失应用于现有的指针网络架构，且没有增加推理成本，已在 PubTabNet 和 SynthTabNet 等基准数据集上显示出显著的改…
-
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。