UniHDSA：面向层次化文档结构分析的统一关系预测方法
计算机视觉与模式识别
2025-03-27 v2
摘要
文档结构分析，即文档布局分析，是理解文档物理布局和逻辑结构的关键，服务于信息检索、文档摘要和知识提取等任务。层次化文档结构分析 (HDSA) 特别旨在恢复使用具有层次化模式的 authoring 软件创建的文档的层次化结构。以往研究主要遵循两种方法：一种侧重于孤立地解决 HDSA 的特定子任务，如表格检测或阅读顺序预测；另一种则采用统一框架，使用多个分支或模块，每个分支针对不同任务进行设计。本文提出了一种面向 HDSA 的统一关系预测方法，称为 UniHDSA，将各种 HDSA 子任务视为关系预测问题，并将关系预测标签整合到统一的标签空间中。这使得单个关系预测模块能够同时处理多个任务，无论是页面级还是文档级的结构分析。为验证 UniHDSA 的有效性，我们开发了一个基于 Transformer 架构的多模态端到端系统。大量实验结果表明，该方法在层次化文档结构分析基准数据集 Comp-HRDoc 上实现了最先进的性能，在大型文档布局分析数据集 DocLayNet 上也取得了具竞争力的成绩，充分展示了该方法在所有子任务中的优势。Comp-HRDoc 基准及 UniHDSA 的配置已公开于 https://github.com/microsoft/CompHRDoc。
关键词
引用
@article{arxiv.2503.15893,
title = {UniHDSA: A Unified Relation Prediction Approach for Hierarchical Document Structure Analysis},
author = {Jiawei Wang and Kai Hu and Qiang Huo},
journal= {arXiv preprint arXiv:2503.15893},
year = {2025}
}
备注
Accepted by Pattern Recognition. arXiv admin note: text overlap with arXiv:2405.11757