TabSniper：面向银行对账单的精确表格检测与结构识别
计算机视觉与模式识别
2025-06-18 v1
摘要
从银行对账单中提取交易信息是评估个人财务状况以进行信用评级和承保决策所必需的。与其他金融文件（如税表或财务报表）不同，从银行对账单中提取交易描述可以提供对现金流和支出模式的全面和近期视图。由于多家银行的布局和模板存在多种变化，从不同表格类别中提取交易级信息是一项艰巨的任务。现有的表格结构识别方法对于长而复杂的表格产生次优结果，无法准确捕获所有交易。本文提出了TabSniper，一种用于从银行对账单中高效检测、分类和结构识别表格的新方法。该流程从检测和分类银行对账单中的感兴趣表格开始。提取的表格区域然后由表格结构识别模型处理，随后是一个后处理模块，将交易数据转换为结构化和标准化格式。检测和结构识别架构基于DETR，使用多样化的银行对账单进行微调，并进行了额外的特征增强。在具有挑战性的数据集上的结果表明，TabSniper优于强基线，并在多种布局和模板下从银行和其他金融文件中高质量提取交易信息。
引用
@article{arxiv.2412.12827,
title = {TabSniper: Towards Accurate Table Detection & Structure Recognition for Bank Statements},
author = {Abhishek Trivedi and Sourajit Mukherjee and Rajat Kumar Singh and Vani Agarwal and Sriranjani Ramakrishnan and Himanshu S. Bhatt},
journal= {arXiv preprint arXiv:2412.12827},
year = {2025}
}