SROIE
PulseAugur coverage of SROIE — every cluster mentioning SROIE across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
研究显示 LLM 在处理嘈杂文档时遇到困难
一篇新的研究论文对几种开源大语言模型（LLM）从文档中提取键值对的性能进行了基准测试，特别考察了它们在光学字符识别（OCR）噪声下的表现。研究发现，尽管 LLM 在处理干净文本时表现良好，但在面对嘈杂的 OCR 输入时，其准确性会显著下降。随着输入损坏的增加，模型之间的性能差异也减小了，这凸显了在实际场景中 OCR 质量成为主要的限制因素。该研究识别出常见的失败模式，如键值错位和幻觉，强调了在 OCR 技术和 LLM 的语义推理能力方…
-
FRAGMENT框架使用因子化图进行文档生成和编辑
研究人员推出FRAGMENT，一个利用因子化图表示的新型生成式框架，用于文档创建和编辑。该方法将文档结构生成与其内容生成分开，从而能够更有效地模拟布局、文本和逻辑组织之间的相互作用。该框架包括一个生成图拓扑和空间关系的Architect，然后是一个用边界框和文本等具体细节丰富图的Builder。FRAGMENT还提供用于伪造检测的异常检测能力，并支持用于语义修改的条件编辑。
-
DocAnnot框架利用LVLM加速KIE数据集创建
一个名为DocAnnot的新框架已被开发出来，用于加速关键信息提取（KIE）数据集的创建。DocAnnot利用大型视觉语言模型（LVLM）提取标签值，并结合OCR进行文本和边界框检测。一种新颖的空间感知上下文匹配（SICM）算法通过考虑空间关系和邻近性以及文本数据来增强标签-值关联。虽然仅在DocAnnot自动生成的数据上训练的模型取得了不错的性能，但人工标注数据仍然更优，尽管DocAnnot显著减少了人工工作量和成本。