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

主要观点总结

论文提出一种基于Transformer的端到端方法DLAFormer，用于文档布局分析。它将多个文档布局分析任务，如图形页面对象检测、文本区域检测、逻辑角色分类和阅读顺序预测等，集成到一个统一的模型中。采用统一标签空间方法，使统一关系预测模块能够同时处理这些任务。实验表明，DLAFormer优于采用多分支或多阶段架构处理多任务的方法。

关键观点总结

关键观点1: 提出的DLAFormer是一种基于Transformer的端到端方法，用于文档布局分析。

DLAFormer集成了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等。

关键观点2: 采用统一标签空间方法，将各种文档布局分析子任务视为关系预测问题。

通过统一标签空间方法，使用一个统一模型同时处理这些任务，提高了效率和效果。

关键观点3: DLAFormer具有几个优点，包括卓越的可扩展性、有效和高效的关系预测、融合鲁棒背景信息和交互注意机制等。

这些优点使得DLAFormer在文档布局分析中具有较好的性能。

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 ………………………………