[CVPR 2024] RoDLA：文件版面分析模型稳健性基准测试

文章预览

本文简要介绍发表在CVPR 2024的论文“RoDLA: Benchmarking the Robustness of Document Layout Analysis Models”的主要工作。该论文首次提出了针对文档版面分析模型的鲁棒性基准测试，包括了450,000张文档图像，为了广泛覆盖现实文档处理中遇到的各种扰动。研究者提出了一种包含36种不同文档扰动的分类方法。论文同时引入了两项新的评价指标：平均扰动效应（mPE）和平均鲁棒性退化（mRD），用以分别评估扰动的影响和模型的鲁棒性。同2，本文还提出了一个鲁棒的DLA模型RoDLA，通过实验验证，RoDLA模型展现出在处理实际应用中常见的诸如图像质量不均、振动等问题时，能够有效维护其高性能，显示出其在现实环境中的强大应用潜力。 一、研究背景 文档版面分析（Document Layout Analysis, DLA）是文档理解的核心组成部分，主要负责识别文档中的段落、图片和表格等元素。 ………………………………