DLAFormer：微软提出多任务统一的端到端文本分析Transformer模型 | ICDAR 2024

文章预览

论文提出新颖的基于 Transformer 的端到端方法 DLAFormer ，在统一的模型中集成多个文档布局分析任务，包括图形页面对象检测、文本区域检测、逻辑角色分类和阅读顺序预测。为了实现这一目标，将各种 DLA 子任务视为关系预测问题并提出了统一标签空间方法，使得统一关系预测模块能够有效而高效地同时处理这些任务 来源：晓飞的算法工程笔记 公众号 论文: DLAFormer: An End-to-End Transformer For Document Layout Analysis 论文地址：https://arxiv.org/abs/2405.11757 Introduction   文档布局分析（ DLA ）是从文档图像中恢复文档的物理结构和逻辑结构的过程，包括物理布局分析和逻辑结构分析。在给定输入文档图像的情况下，物理布局分析旨在识别感兴趣的物理同质区域（也称为页面对象），如表格、图形对象、数学公式和不同类型的文本区域。逻辑结构分析旨在为每个识 ………………………………