LORE：面向表格结构识别的逻辑位置回归网络
计算机视觉与模式识别
2023-03-08 v1
摘要
表格结构识别（TSR）旨在将图像中的表格提取为机器可理解的格式。近期方法通过预测检测到的单元格框的邻接关系，或学习从表格图像生成相应标记序列来解决该问题。然而，它们要么依赖额外的启发式规则恢复表格结构，要么需要大量训练数据与耗时的序列解码器。本文中，我们提出一种替代范式。我们将 TSR 建模为逻辑位置回归问题，并提出称为 LORE（即 LOgical location REgression network，逻辑位置回归网络）的新 TSR 框架，其首次将逻辑位置回归与表格单元格的空间位置回归相结合。我们提出的 LORE 在概念上更简单、更易训练且比先前其他范式的 TSR 模型更准确。在标准基准上的实验表明 LORE 一致优于先前方法。代码见 https://github.com/AlibabaResearch/AdvancedLiterateMachinery/tree/main/DocumentUnderstanding/LORE-TSR。
引用
@article{arxiv.2303.03730,
title = {LORE: Logical Location Regression Network for Table Structure Recognition},
author = {Hangdi Xing and Feiyu Gao and Rujiao Long and Jiajun Bu and Qi Zheng and Liangcheng Li and Cong Yao and Zhi Yu},
journal= {arXiv preprint arXiv:2303.03730},
year = {2023}
}