論文の概要: Rethinking the Pointer Loss in Table Structure Recognition: Geometry-Aware Pointer Loss for Spatial Locality

• arxiv url: http://arxiv.org/abs/2606.18721v1
• Date: Wed, 17 Jun 2026 05:59:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:51.027627
• Title: Rethinking the Pointer Loss in Table Structure Recognition: Geometry-Aware Pointer Loss for Spatial Locality
• Title（参考訳）: テーブル構造認識におけるポインタ損失の再考:空間的局所性を考慮した幾何学的ポインター損失
• Authors: Hong-Jun Choi, Jongho Lee, Jaeyoung Kim,
• Abstract要約: ポインタネットワークを用いたテーブル構造認識は、検出されたテキスト(またはセル)領域にタグをアライメントしながらHTMLシーケンスを予測することで、印象的な結果を得る。 ポインタネットワークが失敗すると、79.6%のエラーが発生する。 本研究では,地中真理に近接した空間的近さに基づくクロスエントロピー目的の重み付けを行うGAPロスを提案する。
• 参考スコア（独自算出の注目度）: 12.986158862036866
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Table Structure Recognition (TSR) using a pointer network achieves impressive results by predicting HTML sequences while aligning tags to detected text (or cell) regions. However, our analysis reveals that when pointer networks fail, 79.6% of errors occur between spatially adjacent cells (Manhattan distance <= 2). Despite this, standard cross-entropy loss weights all negative candidates equally. In this work, we propose Geometry-Aware Pointer (GAP) Loss, which reweights the cross-entropy objective based on spatial proximity to ground truth. By applying inverse distance weighting, GAP focuses gradient flow where the model struggles most: immediate neighbors receive stronger gradients than distant cells. Our approach requires only a straightforward modification to the loss computation, maintaining the same model architecture with zero additional inference cost. Extensive experiments on PubTabNet and SynthTabNet demonstrate that GAP consistently reduces adjacent-cell errors, achieving new state-of-the-art performance. Our findings suggest that incorporating geometric inductive biases at the loss level provides a simple yet effective approach to robust TSR. Our code is available at https://github.com/teamreboott/GAP
• Abstract（参考訳）: ポインタネットワークを用いたテーブル構造認識(TSR)は、検出されたテキスト(またはセル)領域にタグをアライメントしながらHTMLシーケンスを予測することで、印象的な結果を得る。 しかし,解析の結果,ポインタネットワークが故障した場合,空間隣接セル間で79.6%のエラーが発生することがわかった(マンハッタン距離<=2)。 これにもかかわらず、標準的なクロスエントロピー損失は全ての負の候補を等しく重くする。 本研究では,地中真理に近接した空間的近さに基づいて,空間エントロピーの目的を重み付けするGeometry-Aware Pointer (GAP) Lossを提案する。 逆距離重み付けを適用することで、GAPはモデルが最も苦労する勾配流に焦点を当てる。 提案手法では損失計算の簡単な修正しか必要とせず, 追加の推論コストゼロで同じモデルアーキテクチャを維持できる。 PubTabNetとSynthTabNetの大規模な実験は、GAPが常に隣接セルエラーを低減し、新しい最先端のパフォーマンスを実現することを実証している。 損失レベルに幾何学的帰納バイアスを組み込むことにより,ロバストTSRに対する簡便かつ効果的なアプローチが期待できる。 私たちのコードはhttps://github.com/teamreboott/GAPで利用可能です。

関連論文リスト

• Angle-I2P: Angle-Consistent-Aware Hierarchical Attention for Cross-Modality Outlier Rejection [20.302748104301525]
  イメージ・ツー・ポイント・クラウド・レジストレーション(I2P)は、操作、グラッピング、ローカライゼーションといったロボットアプリケーションにおける基本的なタスクである。 本稿では,アングル-I2Pを提案する。アングル-I2Pは,アングル-一貫性のある幾何学的制約と階層的注意を生かした外乱リジェクションネットワークである。 提案手法は、7Scenes, RGBD Scenes V2, and a self-collected data。
  論文  参考訳（メタデータ） (2026-05-06T06:41:56Z)
• Robust Scene Coordinate Regression via Geometrically-Consistent Global Descriptors [52.57327385675752]
  幾何学的構造と視覚的類似性の両方に整合したグローバルな記述子を学習するアグリゲータモジュールを提案する。 これにより、信頼できないオーバーラップスコアによる誤関連が修正される。 挑戦的なベンチマークの実験では、大規模環境ではかなりのローカライゼーションが得られた。
  論文  参考訳（メタデータ） (2025-12-19T04:24:03Z)
• AEGIS: Authentic Edge Growth In Sparsity for Link Prediction in Edge-Sparse Bipartite Knowledge Graphs [0.8594140167290097]
  AEGISは、既存のトレーニングエッジを再サンプリングする、エッジのみの拡張フレームワークである。 テキストリッチGDPグラフでは、セマンティックKNNが最大のAUC改善とBrierスコアの削減を実現している。
  論文  参考訳（メタデータ） (2025-09-26T07:51:40Z)
• REGRACE: A Robust and Efficient Graph-based Re-localization Algorithm using Consistency Evaluation [23.41000678070751]
  ループ閉包は、ドリフトを補正し、一貫した地図を作成するのに不可欠である。 高精度な位置認識のための高密度点雲を用いた現在の手法は、計算コストの高いスキャン・スキャン・スキャン比較のため、うまくスケールしない。 我々は、スケーラビリティと再ローカライゼーションにおける視点差のこれらの課題に対処する新しいアプローチであるREGRACEを紹介する。
  論文  参考訳（メタデータ） (2025-03-05T15:32:38Z)
• iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
  iSDFは実時間符号付き距離場再構成のための連続学習システムである。 より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
  論文  参考訳（メタデータ） (2022-04-05T15:48:39Z)
• Scaling Structured Inference with Randomization [64.18063627155128]
  本稿では、構造化されたモデルを数万の潜在状態に拡張するためにランダム化された動的プログラミング(RDP)のファミリを提案する。 我々の手法は古典的DPベースの推論に広く適用できる。 また、自動微分とも互換性があり、ニューラルネットワークとシームレスに統合できる。
  論文  参考訳（メタデータ） (2021-12-07T11:26:41Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• Pixel-in-Pixel Net: Towards Efficient Facial Landmark Detection in the Wild [104.61677518999976]
  顔のランドマークを検出するために,Pixel-in-Pixel Net(PIPNet)を提案する。 提案モデルは,熱マップ回帰に基づく新しい検出ヘッドを備える。 PIPNetのクロスドメイン一般化能力をさらに向上するため,カリキュラムによる自己学習を提案する。
  論文  参考訳（メタデータ） (2020-03-08T12:23:42Z)

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。