LED 基准：诊断文档版面分析中的结构版面错误
计算机视觉与模式识别
2026-03-23 v2
摘要
通过大语言模型和多模态模型在文档版面分析（DLA）中取得的最新进展显著提升了版面检测。然而，尽管有这些改进，在解决关键结构错误（如区域合并、拆分和内容缺失）方面仍存在挑战。传统的评估指标（如 IoU 和 mAP）主要关注空间重叠，不足以检测这些错误。为了解决这一局限性，我们提出了版面错误检测（LED），这是一个旨在评估文档版面预测结构鲁棒性的新基准。LED 定义了八种标准化错误类型，并制定了三个互补任务：错误存在检测、错误类型分类和逐元素错误类型分类。此外，我们构建了 LED-Dataset，这是一个基于 DLA 模型的经验分布注入真实结构错误而生成的合成数据集。在一系列 LMM 上的实验结果表明，LED 能有效区分结构理解能力，揭示了传统指标无法显现的模态偏差和性能权衡。
引用
@article{arxiv.2507.23295,
title = {LED Benchmark: Diagnosing Structural Layout Errors for Document Layout Analysis},
author = {Inbum Heo and Taewook Hwang and Jeesu Jung and Sangkeun Jung},
journal= {arXiv preprint arXiv:2507.23295},
year = {2026}
}
备注
This work has been substantially revised, including updates to the title and content. The revised version is available as arXiv:2603.17265