ICDAR 2023 企业文档鲁棒版式分割竞赛
计算机视觉与模式识别
2023-08-22 v1
摘要
由于文档结构复杂且格式多变，将其转化为机器可处理表示是一项具有挑战性的任务。从 PDF 文件或扫描材料中恢复版式结构与内容数十年来一直是个关键问题。ICDAR 在举办竞赛以基准化最先进技术并鼓励文档版式理解新方案开发方面有着悠久传统。在本报告中，我们呈现了我们的 ICDAR 2023 企业文档鲁棒版式分割竞赛的结果，该竞赛提出了在广泛文档风格与领域（包括企业报告、技术文献和专利）中准确分割页面版式的挑战。为较以往竞赛提高难度，我们构建了一个困难的竞赛数据集，并提出了近期的 DocLayNet 数据集用于训练。我们记录了 45 支队伍注册，并收到 21 支队伍的正式提交。在所呈现的方案中，我们识别出近期计算机视觉模型、数据增强策略与集成方法的有趣组合，以在我们提出的任务中取得令人瞩目的精度。采用基于视觉Transformer方法的趋势显而易见。结果表明，在实现鲁棒且高度泛化的文档版式理解方法方面取得了实质性进展。
引用
@article{arxiv.2305.14962,
title = {ICDAR 2023 Competition on Robust Layout Segmentation in Corporate Documents},
author = {Christoph Auer and Ahmed Nassar and Maksym Lysak and Michele Dolfi and Nikolaos Livathinos and Peter Staar},
journal= {arXiv preprint arXiv:2305.14962},
year = {2023}
}
备注
ICDAR 2023, 10 pages, 4 figures