图表分类的研究综述与方法

图表是文档中重要的视觉信息来源，有助于深入理解和解释通常以数值形式传达的信息。科学文献中存在许多图表，各自具有风格差异。近来，文档理解社区已开始着手解决自动图表理解问题，其起点是图表分类。本文综述了当前最先进的图表分类技术，并讨论了可用数据集及其支持的图表类型。我们将这些工作宽泛地归类为基于机器学习（ML）的传统方法、CNN 和 Transformer。此外，我们在近期发布的 CHARTINFO UB-UNITECH PMC 数据集（用于 ICPR 2022 的 CHART-Infographics 竞赛）上，对基于 CNN 和基于 transformer 的方法进行了广泛的性能比较分析。该数据集包含 15 个不同图表类别，其中有 22,923 张训练图像和 13,260 张测试图像。我们实现了一种基于视觉的 transformer 模型，在图表分类上取得了最先进（SOTA）的结果。