按需取用：以灵活组件斟酌机制重新思考复杂表格结构识别
计算机视觉与模式识别
2023-03-17 v1
摘要
近年来，旨在将表格结构识别为机器可读格式的表格结构识别（TSR）任务在社区中受到越来越多的关注。尽管取得了令人印象深刻的成果，大多数基于单一表格组件的方法在面临非规则表格情形时表现不佳，其干扰不仅来自复杂的内部结构，也来自外部的采集失真。在本文中，我们将此问题提出为复杂 TSR 问题，其中现有方法性能退化的原因在于其低效的组件使用与冗余的后处理。为缓解该问题，我们将视角从表格组件提取转向高效的多组件利用，这在该领域尚待进一步探索。具体而言，我们提出一种开创性方法 GrabTab，配备新提出的组件斟酌器（Component Deliberator）。得益于其渐进式斟酌机制，我们的 GrabTab 能够灵活适应大多数复杂表格，选取合理组件且无需涉及复杂后处理。在公开基准上的定量实验结果表明，我们的方法显著优于当前最优方法，尤其在更具挑战性的场景下。
引用
@article{arxiv.2303.09174,
title = {Grab What You Need: Rethinking Complex Table Structure Recognition with Flexible Components Deliberation},
author = {Hao Liu and Xin Li and Mingming Gong and Bing Liu and Yunfei Wu and Deqiang Jiang and Yinsong Liu and Xing Sun},
journal= {arXiv preprint arXiv:2303.09174},
year = {2023}
}
备注
Tech report