TRUST：一种基于拆分型 Transformer 的准确端到端表格结构识别器
计算机视觉与模式识别
2022-09-01 v1
摘要
表格结构识别是文档图像分析领域的关键部分。其难点在于需要同时解析每个单元格的物理坐标与逻辑索引。然而，现有方法难以同时实现这两个目标，尤其在表格分割线模糊或倾斜时。本文提出一种准确且端到端的基于 Transformer 的表格结构识别方法，称为 TRUST。Transformer 因其全局计算、完美记忆与并行计算能力而适用于表格结构识别。通过引入新颖的基于 Transformer 的查询拆分模块与基于顶点的合并模块，表格结构识别问题被解耦为两个联合优化的子任务：多角度表格行/列拆分与表格网格合并。查询拆分模块通过 Transformer 网络从长依赖中学习强上下文信息，准确预测多角度表格行/列分隔符，并据此获得表格的基本网格。基于顶点的合并模块能够聚合相邻基本网格间的局部上下文信息，提供准确合并属于同一跨单元格的基本网格的能力。我们在包括 PubTabNet 和 SynthTable 在内的多个流行基准上进行了实验，我们的方法取得了新的 SOTA 结果。特别地，TRUST 在 PubTabNet 上以 10 FPS 运行，大幅超越先前方法。
引用
@article{arxiv.2208.14687,
title = {TRUST: An Accurate and End-to-End Table structure Recognizer Using Splitting-based Transformers},
author = {Zengyuan Guo and Yuechen Yu and Pengyuan Lv and Chengquan Zhang and Haojie Li and Zhihui Wang and Kun Yao and Jingtuo Liu and Jingdong Wang},
journal= {arXiv preprint arXiv:2208.14687},
year = {2022}
}