SEMv3：一种快速而稳健的表格分离线检测方法
计算机视觉与模式识别
2024-05-21 v1
摘要
表格结构识别 (TSR) 旨在从输入图像中解析表格的内在结构。"split-and-merge" 方法是解析表格结构的关键方法，其中表格分离线检测至关重要。然而，由于无线和变形表格等挑战，此过程备受挑战。本文我们遵循"split-and-merge" 方法，提出SEMv3 (SEM: Split, Embed and Merge)，一种快速而稳健的用于检测表格分离线的方法。在 split 阶段，我们引入Keypoint Offset Regression (KOR) 模块，通过直接回归每条线相对于其关键点提议的偏移量，有效地检测表格分离线。此外，在 merge 阶段，我们定义一系列 merge 操作，基于表格网格高效描述表格结构。广泛的消融研究表明，我们提出的KOR 模块能够快速准确地检测表格分离线。此外，在公共数据集上 (如WTW、ICDAR-2019 cTDaR Historical 和 iFLYTAB)，SEMv3 实现了最先进 (SOTA) 的性能。代码已公开 https://github.com/Chunchunwumu/SEMv3。
引用
@article{arxiv.2405.11862,
title = {SEMv3: A Fast and Robust Approach to Table Separation Line Detection},
author = {Chunxia Qin and Zhenrong Zhang and Pengfei Hu and Chenyu Liu and Jiefeng Ma and Jun Du},
journal= {arXiv preprint arXiv:2405.11862},
year = {2024}
}
备注
9 pages, 6 figures, 5 tables. Accepted by IJCAI2024 main track