論文の概要: Rethinking Image-based Table Recognition Using Weakly Supervised Methods

• arxiv url: http://arxiv.org/abs/2303.07641v1
• Date: Tue, 14 Mar 2023 06:03:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-15 16:15:25.724675
• Title: Rethinking Image-based Table Recognition Using Weakly Supervised Methods
• Title（参考訳）: 弱教師付き手法による画像に基づくテーブル認識の再考
• Authors: Nam Tuan Ly, Atsuhiro Takasu, Phuc Nguyen, and Hideaki Takeda
• Abstract要約: 本稿では,WSTabNet というテーブル認識のための弱教師付きモデルを提案する。 深層学習によるテーブル認識を容易にするため、ウィキペディアから構築された最大規模の表画像ベースデータセットであるWikiTableSetを作成した。
• 参考スコア（独自算出の注目度）: 3.9993134366218857
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most of the previous methods for table recognition rely on training datasets containing many richly annotated table images. Detailed table image annotation, e.g., cell or text bounding box annotation, however, is costly and often subjective. In this paper, we propose a weakly supervised model named WSTabNet for table recognition that relies only on HTML (or LaTeX) code-level annotations of table images. The proposed model consists of three main parts: an encoder for feature extraction, a structure decoder for generating table structure, and a cell decoder for predicting the content of each cell in the table. Our system is trained end-to-end by stochastic gradient descent algorithms, requiring only table images and their ground-truth HTML (or LaTeX) representations. To facilitate table recognition with deep learning, we create and release WikiTableSet, the largest publicly available image-based table recognition dataset built from Wikipedia. WikiTableSet contains nearly 4 million English table images, 590K Japanese table images, and 640k French table images with corresponding HTML representation and cell bounding boxes. The extensive experiments on WikiTableSet and two large-scale datasets: FinTabNet and PubTabNet demonstrate that the proposed weakly supervised model achieves better, or similar accuracies compared to the state-of-the-art models on all benchmark datasets.
• Abstract（参考訳）: 従来のテーブル認識手法のほとんどは、リッチな注釈付きテーブルイメージを含むトレーニングデータセットに依存していた。 しかし、セルやテキスト境界ボックスアノテーションのような詳細なテーブルイメージアノテーションはコストがかかり、しばしば主観的である。 本稿では,HTML(あるいはLaTeX)のコードレベルアノテーションのみに依存するテーブル認識のための,WSTabNetという弱教師付きモデルを提案する。 提案モデルは,特徴抽出のためのエンコーダ,テーブル構造を生成する構造デコーダ,テーブル内の各セルの内容を予測するセルデコーダの3つの主要部分からなる。 我々のシステムは確率勾配勾配アルゴリズムによってエンドツーエンドに訓練されており、テーブル画像とその基底構造HTML(LaTeX)表現のみを必要とする。 ディープラーニングによるテーブル認識を容易にするため,ウィキペディアから構築された最大規模の画像ベーステーブル認識データセットであるWikiTableSetを作成した。 WikiTableSetには400万近い英語のテーブルイメージ、590万の日本語のテーブルイメージ、640万のフランス語のテーブルイメージと対応するHTML表現とセル境界ボックスが含まれている。 wikitablesetと2つの大規模データセットに関する広範な実験: fintabnetとpubtabnetは、提案されている弱い教師付きモデルが、すべてのベンチマークデータセットの最先端モデルよりも優れた、あるいは類似した精度を達成することを実証している。

関連論文リスト

• UniTabNet: Bridging Vision and Language Models for Enhanced Table Structure Recognition [55.153629718464565]
  我々は、画像からテキストへのモデルに基づくテーブル構造解析のための新しいフレームワークUniTabNetを紹介する。 UniTabNetは、画像とテキストのモデルを使ってテーブルセルを分離し、物理デコーダと論理デコーダを統合して完全なテーブル構造を再構築する。
  論文  参考訳（メタデータ） (2024-09-20T01:26:32Z)
• LaTable: Towards Large Tabular Models [63.995130144110156]
  タブラル生成基盤モデルは、異なるデータセットの不均一な特徴空間のために構築が困難である。 LaTableは、これらの課題に対処し、異なるデータセットでトレーニング可能な、新しい拡散モデルである。 LaTableは、分散生成のベースラインよりも優れており、微調整されたLaTableは、より少ないサンプルで分散データセットをより良く生成できる。
  論文  参考訳（メタデータ） (2024-06-25T16:03:50Z)
• Multimodal Table Understanding [26.652797853893233]
  直感的な視覚情報を使ってテーブルを直接理解する方法は、より実用的なアプリケーションを開発する上で極めて重要かつ緊急の課題である。 そこで我々は,様々なテーブル関連要求に対して,モデルが正しい応答を生成する必要がある,新しい問題であるマルチモーダルテーブル理解を提案する。 汎用マルチモーダル大言語モデル(MLLM)であるTable-LLaVAを開発した。
  論文  参考訳（メタデータ） (2024-06-12T11:27:03Z)
• TGRNet: A Table Graph Reconstruction Network for Table Structure Recognition [76.06530816349763]
  本稿では,表構造認識のためのエンドツーエンドのトレーニング可能な表グラフ再構成ネットワーク(TGRNet)を提案する。 具体的には,異なる細胞の空間的位置と論理的位置を共同で予測するために,細胞検出枝と細胞論理的位置分岐の2つの主枝を有する。
  論文  参考訳（メタデータ） (2021-06-20T01:57:05Z)
• Multi-Type-TD-TSR -- Extracting Tables from Document Images using a Multi-stage Pipeline for Table Detection and Table Structure Recognition: from OCR to Structured Table Representations [63.98463053292982]
  テーブルの認識は、テーブル検出とテーブル構造認識という2つの主要なタスクから構成される。 最近の研究は、テーブル構造認識のタスクにトランスファーラーニングを併用したディープラーニングアプローチへの明確な傾向を示している。 本稿では,テーブル認識問題に対するエンドツーエンドのソリューションを提供するMulti-Type-TD-TSRというマルチステージパイプラインを提案する。
  論文  参考訳（メタデータ） (2021-05-23T21:17:18Z)
• TabLeX: A Benchmark Dataset for Structure and Content Information Extraction from Scientific Tables [1.4115224153549193]
  本稿では,学術論文から生成された表画像からなる大規模ベンチマークデータセットTabLeXを提案する。 堅牢なテーブルIEツールの開発を容易にするため、TabLeXにはさまざまなアスペクト比とさまざまなフォントのイメージが含まれている。 分析の結果,現状のテーブル抽出モデルの欠点が明らかとなり,単純なテーブル画像でも失敗することが判明した。
  論文  参考訳（メタデータ） (2021-05-12T05:13:38Z)
• Web Table Classification based on Visual Features [1.52292571922932]
  テーブルの視覚的な外観を最大限に活用し,web テーブル分類のアプローチを提案する。 ResNet50の微調整によるCNN画像分類の評価は、このアプローチが以前のソリューションに匹敵する結果を達成することを示しています。
  論文  参考訳（メタデータ） (2021-02-25T07:39:19Z)
• A Graph Representation of Semi-structured Data for Web Question Answering [96.46484690047491]
  本稿では、半構造化データとそれらの関係の構成要素の体系的分類に基づいて、Webテーブルとリストのグラフ表現を提案する。 本手法は,最先端のベースラインに対してF1スコアを3.90ポイント向上させる。
  論文  参考訳（メタデータ） (2020-10-14T04:01:54Z)
• GFTE: Graph-based Financial Table Extraction [66.26206038522339]
  金融業界や他の多くの分野において、表は構造化されていないデジタルファイル、例えばポータブル文書フォーマット(PDF)や画像でしばしば開示される。 我々はFinTabという中国の標準データセットを公開しています。 今後の比較のためのベースラインとしてGFTEという新しいグラフベースの畳み込みネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2020-03-17T07:10:05Z)
• Identifying Table Structure in Documents using Conditional Generative Adversarial Networks [0.0]
  多くの産業や学術研究において、情報は主に構造化されていない文書の形で伝達される。 本稿では,まず,テーブルイメージを標準化されたスケルトンテーブル形式にマッピングするために,条件付き生成逆数ネットワークを用いたトップダウンアプローチを提案する。 次に、xy-cutプロジェクションと遺伝的アルゴリズムを用いた潜在テーブル構造を導出する。
  論文  参考訳（メタデータ） (2020-01-13T20:42:40Z)

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。