DenTab：用于实�世界牙科报价的表格识别与视觉问答数据集
计算机视觉与模式识别
2026-04-20 v1
摘要
表格将关键交易和行政信息浓缩到紧凑的布局中，但实际提取需要不仅仅是文本识别：系统还必须恢复结构（行、列、合并单元格、标题）并解释诸如项目、小计和总计等角色，在常见捕获制造物中。许多现有资源用于表格结构识别和 TableVQA 是从干净的数字生物来源或渲染表格中构建的，因此仅部分反映噪声的行政条件。我们引入 DenTab，这是一个包含 2000 张裁剪后的表格图像的数据集，配有高质量的 HTML 注释，使其能够在相同的输入上评估表格识别 (TR) 和表格视觉问答 (TableVQA)。DenTab 包括 2208 个跨越检索、聚合和逻辑/一致性检查十一个类别的问题。我们对 16 个系统进行基准测试，包括 14 个视觉-语言模型 (VLM) 和两个 OCR 基线。在模型中，强大的结构恢复并不一致地转化为在多步算术和一致性问题上的可靠性能，这些推理失败即使使用 ground-truth HTML 表格输入也依然存在。为在不训练的情况下提高算术可靠性，我们提出了 Table Router Pipeline，该管道将算术问题路由到确定性执行。该管道组合了 (i) 产生基线答案、结构化表格表示和受约束的表格程序的 VLM，以及 (ii) 对解析后的表格执行精确计算的规则基执行器。该源代码和数据集将在 https://github.com/hamdilaziz/DenTab 上公开发布。
引用
@article{arxiv.2604.16099,
title = {DenTab: A Dataset for Table Recognition and Visual QA on Real-World Dental Estimates},
author = {Laziz Hamdi and Amine Tamasna and Thierry Paquet},
journal= {arXiv preprint arXiv:2604.16099},
year = {2026}
}