利用文档样式指南的跨域文档布局分析
计算机视觉与模式识别
2024-07-24 v2
摘要
文档布局分析(DLA)旨在将文档图像分解为高层语义区域(即图形、表格、文本和背景)。由于文档对象在布局、尺寸、长宽比、纹理等方面具有多样性,构建具有强泛化能力的DLA框架是一项挑战。许多研究者通过合成数据来构建大规模训练集以应对该挑战。然而,合成训练数据风格各异且质量不稳定。此外,源数据与目标数据之间存在较大差异。本文提出一种基于文档样式引导的无监督跨域DLA框架。我们将文档质量评估与文档跨域分析集成到统一框架中。我们的框架由三个组件构成:文档布局生成器(GLD)、文档元素装饰器(GED)和文档样式判别器(DSD)。GLD用于生成文档布局,GED用于填充文档布局元素,DSD用于文档质量评估与跨域引导。首先,我们应用GLD预测生成文档的位置。然后,我们设计一种基于美学引导的新算法来填充文档位置。最后,我们使用对比学习来评估文档的质量。此外,我们设计了一种新策略,将文档质量评估组件转变为文档跨域样式引导组件。我们的框架是一种无监督文档布局分析框架。我们通过大量实验证明,所提方法取得了显著性能。
引用
@article{arxiv.2201.09407,
title = {Cross-Domain Document Layout Analysis Using Document Style Guide},
author = {Xingjiao Wu and Luwei Xiao and Xiangcheng Du and Yingbin Zheng and Xin Li and Tianlong Ma and Cheng Jin and Liang He},
journal= {arXiv preprint arXiv:2201.09407},
year = {2024}
}