TaCo:基于对比学习的文本属性识别
计算机视觉与模式识别
2022-08-23 v1
摘要
字体等文本属性是文档版式与页面风格的核心设计元素,自动属性识别有利于丰富的实际应用。现有方法在区分差异显著的属性上已取得满意性能,但在区分仅有细微差别的相似属性时仍表现不佳。此外,在出现意外且明显成像畸变的真实场景中年,其性能严重下降。本文旨在通过提出TaCo——一种面向最常见文档场景的文本属性识别对比框架,来解决这些问题。具体而言,TaCo利用对比学习消除由模糊且开放-ended属性引发的歧义陷阱。为实现此目标,我们从三个角度设计学习范式:1)生成属性视图,2)提取细微但关键的特征,3)利用有价值的视图对进行学习,以充分释放预训练潜力。大量实验表明,TaCo超越了有监督对应方法,并在多个属性识别任务上显著推进了SOTA。TaCo的在线服务将对外开放。
引用
@article{arxiv.2208.10180,
title = {TaCo: Textual Attribute Recognition via Contrastive Learning},
author = {Chang Nie and Yiqing Hu and Yanqiu Qu and Hao Liu and Deqiang Jiang and Bo Ren},
journal= {arXiv preprint arXiv:2208.10180},
year = {2022}
}