論文の概要: Mind the Gaps: A Curated Benchmark for Form Field Detection

• arxiv url: http://arxiv.org/abs/2609.23679v1
• Date: Sun, 20 Sep 2026 14:40:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.925624
• Title: Mind the Gaps: A Curated Benchmark for Form Field Detection
• Title（参考訳）: Mind the Gaps: フォームフィールド検出のためのベンチマーク
• Abstract要約: フォームフィールド検出(FFD)は文書理解システムの基本コンポーネントである。 FFDは本質的に困難である。なぜなら、フィールドは目に見える前景のコンテンツではなく、レイアウト構造と空白によって定義されることが多いからだ。 我々は,最先端FFD検出手法のベンチマークであるmini-CommonFormsを紹介する。
• 参考スコア（独自算出の注目度）: 0.23332469289621785
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Form Field Detection (FFD) is a fundamental component of document understanding systems, enabling applications ranging from large-scale industrial digitization to accessible form interaction for automated analysis. Unlike conventional object detection tasks, FFD is inherently challenging because fields are often defined by layout structure and whitespace rather than visible foreground content. Existing large-scale datasets frequently rely on heuristic annotation pipelines, resulting in noisy and inconsistent labels that hinder reliable evaluation. In this work, we introduce mini-CommonForms, a carefully curated FFD benchmark with consistent, high-quality annotations, and present a detailed evaluation of state-of-the-art detection approaches. The benchmark is designed to support reproducible research in document automation and accessibility-oriented applications. Dataset and code are available at https://github.com/moured/mini-commonforms
• Abstract（参考訳）: フォームフィールド検出(FFD)は文書理解システムの基本コンポーネントであり、大規模産業デジタル化から、自動解析のためのアクセス可能なフォームインタラクションまで、幅広い応用を可能にする。 従来のオブジェクト検出タスクとは異なり、FFDは本質的に困難である。 既存の大規模データセットは、しばしばヒューリスティックなアノテーションパイプラインに依存しており、ノイズや一貫性のないラベルが信頼性の高い評価を妨げている。 本研究では,一貫した高品質なアノテーションを持つFFDベンチマークであるmini-CommonFormsを導入し,最先端検出手法の詳細な評価を行う。 このベンチマークは、ドキュメントの自動化とアクセシビリティ指向のアプリケーションにおける再現可能な研究をサポートするように設計されている。 データセットとコードはhttps://github.com/moured/mini-commonformsで入手できる。

関連論文リスト

• A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [89.92916473403108]
  本稿では,新しい手法のモジュラーフレームワークであるADerの総合的な視覚異常検出ベンチマークを提案する。 このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。 我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-06-05T13:40:07Z)
• VISAGE: Video Instance Segmentation with Appearance-Guided Enhancement [39.154059294954614]
  オンラインビデオインスタンス (VIS) 法は、強力なクエリベースの検出器によって著しく進歩している。 しかし,これらの手法は位置情報に大きく依存していることが観察された。 本稿では,トラッカーにおける物体マッチングの鍵軸は外観情報であり,位置的手がかりが不十分な状況下では,その特徴を識別する上で非常に指導的になることを示す。
  論文  参考訳（メタデータ） (2023-12-08T07:48:03Z)
• DeepfakeBench: A Comprehensive Benchmark of Deepfake Detection [55.70982767084996]
  ディープフェイク検出の分野で見落とされがちな課題は、標準化され、統一され、包括的なベンチマークがないことである。 DeepfakeBenchと呼ばれる,3つの重要なコントリビューションを提供するディープフェイク検出のための,最初の包括的なベンチマークを提示する。 DeepfakeBenchには15の最先端検出方法、9CLデータセット、一連のDeepfake検出評価プロトコルと分析ツール、包括的な評価ツールが含まれている。
  論文  参考訳（メタデータ） (2023-07-04T01:34:41Z)
• SelfDocSeg: A Self-Supervised vision-based Approach towards Document Segmentation [15.953725529361874]
  文書レイアウト分析は文書研究コミュニティにとって既知の問題である。 個人生活へのインターネット接続が拡大するにつれ、パブリックドメインでは膨大な量のドキュメントが利用できるようになった。 我々は,この課題に自己監督型文書セグメンテーションアプローチと異なり,自己監督型文書セグメンテーションアプローチを用いて対処する。
  論文  参考訳（メタデータ） (2023-05-01T12:47:55Z)
• Modeling Entities as Semantic Points for Visual Information Extraction in the Wild [55.91783742370978]
  文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。 我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。 提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
  論文  参考訳（メタデータ） (2023-03-23T08:21:16Z)

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。