サインイン
インサイト - 文書処理
文書セマンティックセグメンテーションのための包括的な合成データパイプライン: DELINE8K
DELINE8K は、10以上のソースから事前印刷テキスト、手書き、文書背景を統合し、最も包括的な文書セマンティックセグメンテーション合成データセットを提供する。NAFSS ベンチマークでの優れたパフォーマンスにより、さらなる研究に有望なツールとなる。
高精度な表検出と表構造認識を実現するTC-OCRの提案
提案手法TC-OCRは、DEtection TRansformer (DETR)、CascadeTabNet、PP OCRv2の3つのモデルを統合することで、表検出、表構造認識、表内容認識を同時に実現し、表の構造を保持しつつ文書画像から正確にテーブルデータを抽出する。
劣化した文書の復元のための非線形活性化なしの拡散確率モデル(NAF-DPM)
提案するNAF-DPMは、劣化した文書の元の品質を復元するための新しい生成フレームワークである。初期予測器とデノイザーネットワークを組み合わせ、高速なODE解析器を用いることで、高品質な画像生成と高速な推論を実現する。さらに、OCRシステムの動作を模倣する差分可能なモジュールを導入し、文字の正確な復元を促進する。
