💻 computer science

FastTab: A Fast Table Recognizer with a Tiny Recursive Module and 1D Transformers

FastTab is een model voor het herkennen van tabelstructuren met lage latentie dat een lichtgewicht Tiny Recursive Module voor globale redenering combineert met axiale 1D Transformers om gridstructuren en celoverspanningen nauwkeurig te voorspellen zonder afhankelijk te zijn van autoregressieve HTML-decodering.

Oorspronkelijke auteurs: Laziz Hamdi, Amine Tamasna, Pascal Boisson, Thierry Paquet

Gepubliceerd 2026-05-22

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Laziz Hamdi, Amine Tamasna, Pascal Boisson, Thierry Paquet

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een rommelige, met de hand getekende kaart van een stad krijgt. Je taak is om deze perfect opnieuw te tekenen op een computer, waarbij je precies uitzoekt waar elke straat (rij) en elke laan (kolom) loopt, welke gebouwen samengevoegd zijn en welke straten slechts koppen zijn. Dit is de uitdaging van Tabelstructuurherkenning (TSR): een afbeelding van een tabel omzetten in een schoon, digitaal rooster.

De meeste huidige AI-modellen proberen dit op te lossen zoals een romanschrijver die een verhaal woord voor woord schrijft (door HTML-code te genereren). Dit is traag en vatbaar voor het verdwalen halverwege de zin.

FastTab is een nieuw, supersnel AI-model dat een andere aanpak hanteert. In plaats van een verhaal te schrijven, treedt het op als een landmeter met een laserrooster. Hieronder wordt uitgelegd hoe het werkt, opgesplitst in eenvoudige concepten:

1. Het "Kleine Brein" (De Kleine Recursieve Module)

Stel je voor dat je van ver naar een tabel kijkt. Je moet weten: "Hoeveel rijen zijn er? Hoeveel kolommen? Waar zit de kop?"

De Oude Manier: De AI probeert deze details te raden door naar elk afzonderlijk pixel te kijken, wat vermoeiend is.
De Manier van FastTab: Het gebruikt een Kleine Recursieve Module (TRM). Denk hierbij aan een klein, superslim assistent dat naar het hele plaatje kijkt, een snelle gok doet, vervolgens weer naar het plaatje kijkt om die gok te verfijnen, en dit een paar keer doet (ongeveer 6 keer).
De Analogie: Het is alsof je knijpt in je ogen om naar een wazige foto te kijken, dan wat harder knijpt en vervolgens je bril aanpast. Na een paar snelle "knijps" weet het assistent precies hoe groot de tabel is en waar de koppen zitten, zonder elk enkel woord te hoeven lezen.

2. De "Eendimensionale Scanners" (Axiale 1D Transformers)

Zodra de AI de algemene grootte kent, moet het de lijnen trekken.

Het Probleem: Tabellen hebben lange rijen en lange kolommen. Als je naar de hele tabel tegelijk kijkt, is het alsof je probeert een heel boek in één oogopslag te lezen.
De Manier van FastTab: Het splitst het probleem op. Het gebruikt 1D Transformers om de tabel in twee aparte passes te scannen:
1. Rijscanner: Het kijkt alleen horizontaal, zoals een laserstraal die over een rij zwaait om te vinden waar de verticale lijnen moeten komen.
2. Kolomscanner: Het kijkt alleen verticaal, zoals een laserstraal die langs een kolom zwaait om te vinden waar de horizontale lijnen moeten komen.
De Analogie: Stel je een bibliothecaris voor die boeken ordent. In plaats van naar het hele plankje tegelijk te kijken, scannen ze één rij boeken om de gaten te vinden, en scannen ze vervolgens één kolom van planken om de gaten te vinden. Dit is veel sneller en voorkomt dat de AI door het hele plaatje tegelijk verward raakt.

3. De "Samengevoegde Cel-Detective" (ROI-Gelijkgerichte Pooling)

Soms strekt een cel in een tabel zich uit over twee of drie kolommen (een "samengevoegde cel").

De Oude Manier: De AI raadt misschien willekeurig waar de samenvoeging plaatsvindt.
De Manier van FastTab: Zodra de roosterlijnen getrokken zijn, kijkt de AI alleen naar de specifieke box waar een cel begint (de linkerbovenhoek). Het vraagt zich af: "Reikt deze cel naar rechts? Reikt deze cel naar beneden?"
De Analogie: Het is alsof een makelaar de perceelsgrenzen al op een kaart heeft getekend. Ze hoeven alleen maar voor de voordeur van een huis te staan om te vragen: "Bestrijkt dit huis twee percelen?" Ze hoeven niet het hele perceel te lopen om het te weten.

Waarom is dit een groot ding?

Snelheid: Omdat het geen lang verhaal (HTML-code) woord voor woord schrijft, is het ongelooflijk snel. Het artikel beweert dat het tabellen in real-time kan verwerken (ongeveer 40+ frames per seconde op krachtige computers, en nog steeds meer dan 4 frames per seconde op gewone laptops).
Nauwkeurigheid: Het is net zo goed als de trage, complexe modellen wat betreft het correct krijgen van de structuur.
Robuustheid: De auteurs hebben het getest op "geanonimiseerde" tabellen (waarbij de tekst zwart is gemaakt of vervaagd om geheimen te verbergen). FastTab werkt nog steeds goed omdat het zich richt op de vorm en lijnen van de tabel, niet op de woorden erin.
Gebogen Tabellen: Ze hebben zelfs aangetoond dat het tabellen kan verwerken die licht gebogen of gekromd zijn (zoals een foto van een tafel op een gebogen oppervlak), door de "laserslijnen" een lichte bocht toe te staan.

Samenvatting

FastTab is als een hoogwaardig bouwteam. In plaats van een tabel steen voor steen (woord voor woord) te bouwen, doen ze het volgende:

Gebruik een snel teamleider (TRM) om de grootte van het blauwdruk te bepalen.
Stuur laser scanners (1D Transformers) om de rechte lijnen voor rijen en kolommen te trekken.
Laat een specialist de hoeken controleren om te zien of er blokken samengevoegd zijn.

Het resultaat is een digitale tabel die in een fractie van een seconde is gebouwd, met hoge precisie, zelfs als de originele foto een beetje rommelig is of de tekst verborgen is.

Technische Samenvatting: FastTab

Probleemdefinitie
Tabelstructuurrecognitie (TSR) heeft tot doel de logische organisatie van tabellen (rijen, kolommen, koppen en samengevoegde cellen) en hun geometrische nauwkeurigheid te herstellen uit documentafbeeldingen. Deze taak is uitdagend vanwege de noodzaak om globale structurele coherentie (bijv. totaal aantal rijen/kolommen, omvang van de kop) te verzoenen met lokale ruimtelijke precisie (bijv. lokalisatie van scheidingen, lay-outs zonder randen). Bestaande paradigma's worstelen vaak met het vinden van een evenwicht tussen deze eisen: op componenten gebaseerde methoden vertrouwen op expliciete detectie en reconstructie, split-en-merge-benaderingen richten zich op roosterconstructie, en generatieve modellen (afbeelding-naar-sequentie) mapping afbeeldingen naar HTML-tokens. De laatstgenoemde, hoewel effectief, brengen hoge rekenkosten met zich mee door autoregressieve decoding en vereisen het handhaven van globale syntactische consistentie gedurende het hele sequentiegeneratieproces.

Methodologie
FastTab is een op roosters gebaseerd TSR-model dat autoregressieve HTML-decoding vermijdt. Het werkt in één enkele forward pass om een tabelrooster en samengevoegde celspanningen te voorspellen. De architectuur bestaat uit drie hoofdcomponenten:

Afbeeldingsencoder: Een volledig convolutioneel netwerk (FCN) extrahert een 2D-kenmerkkaart met hoge resolutie ( $F$ ). De encoder maakt gebruik van een anisotroop stride-schema ( $H/16, W/8$ ) om fijnere horizontale sampling te behouden voor kolomafbakening, met als output 1024 kanalen.
Globale redenering (Tiny Recursive Module - TRM): Om tabelniveau-beslissingen (aantal rijen/kolommen, koprijen) te ondersteunen, berekent FastTab een globale descriptor via gemiddelde pooling. Dit wordt verfijnd over $T$ residustappen (standaard $T=6$ ) met behulp van een lichtgewicht Tiny Recursive Module. De TRM werkt een latent vector $z$ iteratief bij met een twee-laags MLP, geconditioneerd op de globale descriptor, om lange-afstandsafhankelijkheden te vangen die nodig zijn voor consistente structurele beslissingen.
Axiale 1D-Transformers (Lines Head): In plaats van de volledige 2D-kaart te verwerken voor scheidingen, projecteert het model $F$ $F$ in twee 1D-sequenties (rijgewijs en kolomgewijs) door te middelen langs de orthogonale dimensie. Deze sequenties worden verwerkt door lichtgewicht 1D-Transformer-encoders (2 lagen, 4 koppen) om lange-afstandsafhankelijkheden langs elke as te vangen met lineaire rekenkundige groei. De head voorspelt:
- Aantal rijen en kolommen ( $R, C$ ).
- Aantal koprijen ( $H_{hdr}$ ).
- Locaties van scheidingen, geparametriseerd als genormaliseerde interval lengtes en omgezet naar geordende grenzen via cumulatieve sommatie.
Spanning Head: Zodra de roostergrenzen zijn vastgesteld, poolt ROI Align kenmerken voor elke logische cel. Een Multi-Layer Perceptron (MLP) classificeert de rowspan en colspan voor elke cel, uitsluitend gecontroleerd op ankerposities (linkerbovenhoeken) om ambiguïteit in samengevoegde gebieden te vermijden.

Belangrijkste Bijdragen

Architectuur: Introductie van FastTab, dat een Tiny Recursive Module combineert voor globale context met axiale 1D-Transformers voor efficiënte lange-afstands rij/kolom-redenering, waardoor de overhead van autoregressieve decoders wordt vermeden.
Prestaties: Demonstratie van concurrerende prestaties voor structuurherstel op vier benchmarks (PubTabNet, FinTabNet, PubTables-1M en SciTSR) terwijl het werkt met lage latentie (realtime inferentie).
Robuustheidsanalyse: Evaluatie van het model onder praktische beperkingen, specifiek pixelniveau-anonimisatie (waarbij veerkracht wordt getoond tegen lay-outbehoudende verduistering) en een uitbreiding tot gebogen scheidingen om geometrische vervormingen zoals rotatie te hanteren.
Ablatiestudies: Systematische analyse bevestigt dat iteratieve verfijning via TRM afnemende meerwaarde oplevert boven $T=6$ en dat axiale 1D-attention significant beter presteert dan lokale convolutionele baselines met minimale snelheidsstraf.

Experimentele Resultaten
FastTab werd geëvalueerd op standaard benchmarks met alleen structuurmetrieken (S-TEDS, GriTSTop, CAR F1):

PubTabNet: Bereikte 96,8% S-TEDS met 44,89 FPS (A100 GPU), presteerde qua snelheid beter dan veel hoog-nauwkeurige modellen terwijl het concurrerende nauwkeurigheid behield. Het draait ook op ~5 FPS in CPU-only omgevingen.
FinTabNet: Bereikte 98,2% S-TEDS met 41,79 FPS.
PubTables-1M: Bereikte 98,27% GriTSTop met 39,50 FPS.
SciTSR: Kwam overeen met de beste gerapporteerde nauwkeurigheid (99,5% CAR F1) met 35,51 FPS.
Anonimisatie: Het model toonde robuustheid tegen lay-outbehoudende anonimisatie (bijv. Gaussische blur, pixelatie), maar degradeerde aanzienlijk bij methoden die tekstgebieden homogeniseren (bijv. mediane invulling).
Gebogen Scheidingen: Een uitbreiding die polyline-grenzen voor scheidingen voorspelt, behield sterke prestaties onder matige in-vlakke rotaties (tot $\pm 15^\circ$ ), hoewel de prestaties afnamen bij grotere rotaties.

Betekenis en Claims
Het artikel positioneert FastTab als een efficiënt alternatief voor zowel meerstaps reconstructiepijplijnen als autoregressieve generatieve modellen. Door globale contextredenering (via TRM) te ontkoppelen van axiale afhankelijkheidsmodellering (via 1D-Transformers), bereikt FastTab een gunstige afweging tussen nauwkeurigheid en inferentiesnelheid. De auteurs beweren dat het model de spanning tussen globale structurele coherentie en lokale ruimtelijke precisie succesvol aanpakt zonder de rekenlast van volledige 2D-zelf-attention of autoregressieve decoding. Het werk suggereert dat voor veel praktische toepassingen die realtime of resource-beperkte implementatie vereisen, een op roosters gebaseerde aanpak met gespecialiseerde axiale modellering voldoende is om complexe tabelstructuren met hoge nauwkeurigheid te herstellen. Toekomstig werk wordt geïdentificeerd als het uitbreiden van het model naar pagina's met meerdere tabellen, het verbeteren van robuustheid tegen ernstige perspectiefvervormingen, en het ontwikkelen van adaptieve roosterdecoding voor zeer grote tabellen.