文本密集型历史文档的页面布局分析：文本与视觉方法的比较
信息检索
2022-12-29 v1 人工智能
计算与语言
计算机视觉与模式识别
摘要
页面布局分析是文档处理中的基础步骤，可将页面分割为感兴趣区域。学术评注具有高度复杂的布局和混合文字，属于文本密集型文档，对最先进模型而言仍具挑战性。其布局在不同版本间差异显著，且最重要的区域主要由语义而非位置或外观等图形特征定义。此设定要求对文本、视觉及混合方法进行比较。因此我们评估了两种 transformer（LayoutLMv3 和 RoBERTa）与一种目标检测网络（YOLOv5）的性能。尽管结果显示后者具有明显优势，我们也列出了该发现存在的若干注意事项。除实验外，我们发布了一个包含约 300 页标注页面的数据集，采样自 19 世纪评注。
引用
@article{arxiv.2212.13924,
title = {Page Layout Analysis of Text-heavy Historical Documents: a Comparison of Textual and Visual Approaches},
author = {Najem-Meyer Sven and Romanello Matteo},
journal= {arXiv preprint arXiv:2212.13924},
year = {2022}
}
备注
Same as https://ceur-ws.org/Vol-3290/long_paper8670.pdf