3MVRD：用于视觉丰富表单文档理解的多模态多任务多教师模型

本文提出了一种突破性的多模态、多任务、多教师联合粒度知识蒸馏模型，用于视觉丰富的表单文档理解。该模型旨在通过促进令牌和实体表示之间的细微相关性，利用细粒度和粗粒度层面的见解，以解决表单文档中固有的复杂性。此外，我们引入了新的粒间和跨粒损失函数，以进一步完善多样的多教师知识蒸馏转移过程，呈现分布差距并对表单文档形成和谐的理解。通过对公开可用的表单文档理解数据集进行全面评估，我们提出的模型始终优于现有基线，展示了其在处理视觉复杂表单文档的 intricate 结构和内容方面的有效性。