SROIE

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。