Fugu-MT 論文翻訳(概要): DLAFormer: An End-to-End Transformer For Document Layout Analysis

論文の概要: DLAFormer: An End-to-End Transformer For Document Layout Analysis

arxiv url: http://arxiv.org/abs/2405.11757v1
Date: Mon, 20 May 2024 03:34:24 GMT
ステータス: 処理完了
システム内更新日: 2024-05-21 14:23:32.344554
Title: DLAFormer: An End-to-End Transformer For Document Layout Analysis
Title（参考訳）: DLAFormer:ドキュメントレイアウト分析のためのエンドツーエンド変換器
Authors: Jiawei Wang, Kai Hu, Qiang Huo,
Abstract要約: DLAFormerと呼ばれる文書レイアウト解析のためのエンド・ツー・エンド・トランスフォーマー方式を提案する。各種DLAサブタスクを関係予測問題として扱い、これらの関係予測ラベルを統一ラベル空間に統合する。本稿では,DeTRにおけるコンテンツクエリの物理的意味を高めるために,新しいタイプのクエリセットを提案する。
参考スコア（独自算出の注目度）: 7.057192434574117
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Document layout analysis (DLA) is crucial for understanding the physical layout and logical structure of documents, serving information retrieval, document summarization, knowledge extraction, etc. However, previous studies have typically used separate models to address individual sub-tasks within DLA, including table/figure detection, text region detection, logical role classification, and reading order prediction. In this work, we propose an end-to-end transformer-based approach for document layout analysis, called DLAFormer, which integrates all these sub-tasks into a single model. To achieve this, we treat various DLA sub-tasks (such as text region detection, logical role classification, and reading order prediction) as relation prediction problems and consolidate these relation prediction labels into a unified label space, allowing a unified relation prediction module to handle multiple tasks concurrently. Additionally, we introduce a novel set of type-wise queries to enhance the physical meaning of content queries in DETR. Moreover, we adopt a coarse-to-fine strategy to accurately identify graphical page objects. Experimental results demonstrate that our proposed DLAFormer outperforms previous approaches that employ multi-branch or multi-stage architectures for multiple tasks on two document layout analysis benchmarks, DocLayNet and Comp-HRDoc.
Abstract（参考訳）: 文書レイアウト解析(DLA)は,文書の物理的レイアウトや論理構造,情報検索,文書要約,知識抽出などを理解する上で重要である。しかし、従来の研究では、テーブル/フィギュア検出、テキスト領域の検出、論理的役割分類、読み出し順序予測など、DLA内の個々のサブタスクに対処するために、個別のモデルを使用していた。本研究では,これらのサブタスクを1つのモデルに統合した文書レイアウト解析手法DLAFormerを提案する。そこで本研究では,DLAサブタスク(テキスト領域の検出,論理的役割分類,読み出し順序予測など)を関係予測問題として扱い,これらの関係予測ラベルを統一ラベル空間に統合し,複数のタスクを同時に処理できるようにする。さらに,DeTRにおけるコンテンツクエリの物理的意味を高めるために,新しいタイプワイズクエリを提案する。さらに,グラフィカルなページオブジェクトを正確に識別するための粗大な戦略を採用した。実験の結果,提案したDLAFormerは,DocLayNetとComp-HRDocの2つの文書レイアウト解析ベンチマークにおいて,複数のタスクにマルチブランチアーキテクチャやマルチステージアーキテクチャを採用する従来の手法よりも優れていた。

関連論文リスト

Unified Multi-Modal Interleaved Document Representation for Information Retrieval [57.65409208879344]
我々は、異なるモダリティでインターリーブされた文書を均等に埋め込み、より包括的でニュアンスのある文書表現を生成する。具体的には、テキスト、画像、テーブルの処理と統合を統一されたフォーマットと表現に統合する、近年のビジョン言語モデルの能力を活用して、これを実現する。
論文参考訳（メタデータ） (2024-10-03T17:49:09Z)
The Power of Summary-Source Alignments [62.76959473193149]
多文書要約(MDS)は難しい課題であり、しばしばサリエンスと冗長性検出のサブタスクに分解される。参照要約とそのソース文書間の対応する文のアライメントを利用して、トレーニングデータを生成する。本稿では,よりきめ細かな提案スパンレベルで適用することで,要約ソースアライメントフレームワークを拡張することを提案する。
論文参考訳（メタデータ） (2024-06-02T19:35:19Z)
LLM Based Multi-Agent Generation of Semi-structured Documents from Semantic Templates in the Public Administration Domain [2.3999111269325266]
大きな言語モデル(LLM)により、ユーザ要求を満たすカスタマイズされたテキスト出力が作成できるようになった。所望の構造に適合した新しい文書を生成するために,LLMと迅速なエンジニアリングシステム,マルチエージェントシステムを組み合わせた新しい手法を提案する。
論文参考訳（メタデータ） (2024-02-21T13:54:53Z)
Detect-Order-Construct: A Tree Construction based Approach for Hierarchical Document Structure Analysis [9.340346869932434]
本稿では,複数のサブタスクを同時に処理する木構築手法を提案する。このフレームワークに基づく効果的なエンドツーエンドソリューションを提案し,その性能を実証する。本システムでは,2つの大規模文書レイアウト解析データセットの最先端性能を実現する。
論文参考訳（メタデータ） (2024-01-22T12:00:37Z)
On Task-personalized Multimodal Few-shot Learning for Visually-rich Document Entity Retrieval [59.25292920967197]
VDER(Few-shot document entity search)は、NLPアプリケーションにおいて重要なトピックである。 FewVEXは、エンティティレベルの少数ショットVDERの分野における将来の研究を促進するための、新しいデータセットである。本稿では,タスクパーソナライズを効果的に実現することを中心に,タスク認識型メタラーニングベースのフレームワークを提案する。
論文参考訳（メタデータ） (2023-11-01T17:51:43Z)
Doc2SoarGraph: Discrete Reasoning over Visually-Rich Table-Text Documents via Semantic-Oriented Hierarchical Graphs [79.0426838808629]
視覚的にリッチなテーブルテキスト文書に答えるTAT-DQAを提案する。具体的には、離散推論機能を強化した新しいDoc2SoarGraphフレームワークを提案する。我々は,TAT-DQAデータセットに関する広範な実験を行い,提案したフレームワークは,テストセット上でのエクサクティマッチ(EM)とF1スコアでそれぞれ17.73%,F1スコアで16.91%の最高のベースラインモデルを上回る結果を得た。
論文参考訳（メタデータ） (2023-05-03T07:30:32Z)
Doc-GCN: Heterogeneous Graph Convolutional Networks for Document Layout Analysis [4.920817773181236]
我々のDoc-GCNは、文書レイアウト分析のための異種側面の調和と統合に有効な方法を提供する。まず、構文、意味、密度、外見/視覚情報を含む4つの主要な側面を明示的に記述するグラフを構築した。情報の各側面を表現するためにグラフ畳み込みネットワークを適用し、それらを統合するためにプールを使用する。
論文参考訳（メタデータ） (2022-08-22T07:22:05Z)
Unified Pretraining Framework for Document Understanding [52.224359498792836]
文書理解のための統合事前学習フレームワークであるUDocを紹介する。 UDocは、ほとんどのドキュメント理解タスクをサポートするように設計されており、Transformerを拡張してマルチモーダル埋め込みを入力とする。 UDocの重要な特徴は、3つの自己管理的損失を利用して汎用的な表現を学ぶことである。
論文参考訳（メタデータ） (2022-04-22T21:47:04Z)
DocSegTr: An Instance-Level End-to-End Document Image Segmentation Transformer [16.03084865625318]
ビジネスインテリジェンスプロセスは、しばしばドキュメントから有用なセマンティックコンテンツを抽出する必要がある。本稿では,文書画像における複雑なレイアウトのエンドツーエンドセグメンテーションのためのトランスフォーマーモデルを提案する。我々のモデルは、既存の最先端手法に比べて、同等またはより良いセグメンテーション性能を達成した。
論文参考訳（メタデータ） (2022-01-27T10:50:22Z)
VSR: A Unified Framework for Document Layout Analysis combining Vision, Semantics and Relations [40.721146438291335]
視覚、意味論、関係性を組み合わせた文書レイアウト解析のための統一フレームワークVSRを提案する。人気のある3つのベンチマークでは、vsrは以前のモデルを大きく上回っている。
論文参考訳（メタデータ） (2021-05-13T12:20:30Z)
WikiAsp: A Dataset for Multi-domain Aspect-based Summarization [69.13865812754058]
マルチドメインアスペクトベースの要約のための大規模データセットであるWikiAspを提案する。具体的には、アスペクトアノテーションのプロキシとして、各記事のセクションタイトルとバウンダリを使用して、20の異なるドメインからウィキペディア記事を使用してデータセットを構築します。その結果,既存の要約モデルがこの設定で直面する重要な課題,例えば引用されたソースの適切な代名詞処理,時間に敏感なイベントの一貫した説明などが浮き彫りになった。
論文参考訳（メタデータ） (2020-11-16T10:02:52Z)

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。