論文の概要: GriTS: Grid table similarity metric for table structure recognition
- arxiv url: http://arxiv.org/abs/2203.12555v1
- Date: Wed, 23 Mar 2022 17:14:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-24 14:05:31.695059
- Title: GriTS: Grid table similarity metric for table structure recognition
- Title(参考訳): GriTS:テーブル構造認識のためのグリッドテーブル類似度メトリック
- Authors: Brandon Smock and Rohith Pesala and Robin Abraham
- Abstract要約: テーブル構造認識,グリッドテーブル類似度(GriTS)のための新しい評価尺度を提案する。
従来の測度とは異なり、GriTSは予測表の正しさを、その自然な形で行列として直接評価する。
GriTSはまた、同じフレームワーク内で細胞トポロジ認識、細胞位置認識、細胞コンテンツ認識の3つのサブタスクを統一する。
- 参考スコア(独自算出の注目度): 10.323063834827416
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we propose a new class of evaluation metric for table
structure recognition, grid table similarity (GriTS). Unlike prior metrics,
GriTS evaluates the correctness of a predicted table directly in its natural
form as a matrix. To create a similarity measure between matrices, we
generalize the two-dimensional largest common substructure (2D-LCS) problem,
which is NP-hard, to the 2D most similar substructures (2D-MSS) problem and
propose a polynomial-time heuristic for solving it. We validate empirically
using the PubTables-1M dataset that comparison between matrices exhibits more
desirable behavior than alternatives for table structure recognition
evaluation. GriTS also unifies all three subtasks of cell topology recognition,
cell location recognition, and cell content recognition within the same
framework, which simplifies the evaluation and enables more meaningful
comparisons across different types of structure recognition approaches. Code
will be released at https://github.com/microsoft/table-transformer.
- Abstract(参考訳): 本稿では,テーブル構造認識のための新しい評価指標であるグリッドテーブル類似性(grits)を提案する。
従来の測度とは異なり、GriTSは予測表の正しさを、その自然な形で行列として直接評価する。
行列間の類似度尺度を作成するために、NPハードな2次元最大の共通部分構造(2D-LCS)問題を2次元最も類似した部分構造(2D-MSS)問題に一般化し、それを解く多項式時間ヒューリスティックを提案する。
本研究では,表構造認識のための代替手段よりも,行列の比較が望ましい行動を示すPubTables-1Mデータセットを実証的に検証した。
GriTSはまた、同じフレームワーク内で細胞トポロジ認識、細胞位置認識、細胞コンテンツ認識の3つのサブタスクを統一し、評価を単純化し、異なるタイプの構造認識アプローチ間でより有意義な比較を可能にする。
コードはhttps://github.com/microsoft/table-transformerでリリースされる。
関連論文リスト
- DNNLasso: Scalable Graph Learning for Matrix-Variate Data [2.7195102129095003]
我々は,Kronecker-sum構造精度行列を推定するための,対角非負のグラフィカルラッソモデルを提案する。
DNNLassoは、最先端の手法を精度と計算時間の両方で大きなマージンで上回る。
論文 参考訳(メタデータ) (2024-03-05T02:49:00Z) - ClusterTabNet: Supervised clustering method for table detection and table structure recognition [0.0]
文書中の単語をクラスタリングする深層学習に基づく新しい手法を提案する。
表構造ボトムアップを一対の単語間の関係グラフとして解釈し、変圧器エンコーダモデルを用いてその隣接行列を予測する。
DETRやFaster R-CNNのような現在の最先端検出手法と比較して,本手法は比較的小さなモデルを必要とするが,類似性や精度が向上する。
論文 参考訳(メタデータ) (2024-02-12T09:10:24Z) - Classification of BCI-EEG based on augmented covariance matrix [0.0]
本稿では,運動画像分類の改善を目的とした自己回帰モデルから抽出した拡張共分散に基づく新しいフレームワークを提案する。
私たちはMOABBフレームワークを使って、いくつかのデータセットといくつかの主題でアプローチを検証します。
論文 参考訳(メタデータ) (2023-02-09T09:04:25Z) - TRUST: An Accurate and End-to-End Table structure Recognizer Using
Splitting-based Transformers [56.56591337457137]
本稿では,TRUSTと呼ばれるテーブル構造認識手法を提案する。
変換器は、大域的な計算、完全メモリ、並列計算のためにテーブル構造認識に適している。
我々はPubTabNetやSynthTableなど,いくつかの人気のあるベンチマークで実験を行い,新しい最先端の結果を得た。
論文 参考訳(メタデータ) (2022-08-31T08:33:36Z) - Instance-Dependent Label-Noise Learning with Manifold-Regularized
Transition Matrix Estimation [172.81824511381984]
遷移行列 T(x) は、インスタンス依存ノイズ(IDN)の下では特定できない
我々は、T(x) の幾何学について、「より近い2つのインスタンスは、それに対応する遷移行列がより類似している」という仮定を提案する。
本手法は,難解なIDNの下でのラベルノイズ学習において,最先端の手法よりも優れている。
論文 参考訳(メタデータ) (2022-06-06T04:12:01Z) - Fast Differentiable Matrix Square Root and Inverse Square Root [65.67315418971688]
微分可能な行列平方根と逆平方根を計算するためのより効率的な2つの変種を提案する。
前方伝搬には, Matrix Taylor Polynomial (MTP) を用いる方法と, Matrix Pad'e Approximants (MPA) を使用する方法がある。
一連の数値実験により、両方の手法がSVDやNSの繰り返しと比較してかなりスピードアップすることが示された。
論文 参考訳(メタデータ) (2022-01-29T10:00:35Z) - Sublinear Time Approximation of Text Similarity Matrices [50.73398637380375]
一般的なNystr"om法を不確定な設定に一般化する。
我々のアルゴリズムは任意の類似性行列に適用でき、行列のサイズでサブ線形時間で実行される。
本手法は,CUR分解の単純な変種とともに,様々な類似性行列の近似において非常によく機能することを示す。
論文 参考訳(メタデータ) (2021-12-17T17:04:34Z) - On Path Integration of Grid Cells: Group Representation and Isotropic
Scaling [135.0473739504851]
格子セルによる経路積分の一般的な表現モデルの理論的解析を行う。
我々は、歯列脳の格子細胞の同様の性質を共有する六角形格子パターンを学習する。
学習したモデルは、正確な長距離経路積分を行うことができる。
論文 参考訳(メタデータ) (2020-06-18T03:44:35Z) - Multi-Objective Matrix Normalization for Fine-grained Visual Recognition [153.49014114484424]
双線形プールは細粒度視覚認識(FGVC)において大きな成功を収める
近年,行列パワー正規化は双線形特徴量において2次情報を安定化させることができることが示されている。
両線形表現を同時に正規化できる効率的な多目的行列正規化法(MOMN)を提案する。
論文 参考訳(メタデータ) (2020-03-30T08:40:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。