ConRTF: Edge-Constrained Boundary Distribution Refinement for Realtime TransFormer Table Structure Recognition
ConRTF 是一种实时表格结构识别方法，它引入了一种边缘约束细粒度定位（EFL）损失，用于在训练期间编码行与列之间的结构不对称性，从而在不改变推理流水线的情况下，精细化边界分布并提高其在公共和私有数据集上的准确性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图教一台计算机去阅读一份杂乱的电子表格或财务报告。计算机需要弄清楚行在哪里结束，列从哪里开始，以及数据是如何分组的。这被称为表格结构识别（Table Structure Recognition, TSR）。
把表格想象成一个由乐高积木组成的网格。如果你搭建一面积木墙，最重要的线是那些将一层积木与下一层隔开的水平线。如果这些线歪了，整面墙看起来就会出错。同样地，在表格中，水平线定义了行，垂直线定义了列。
问题：“一刀切”行不通
目前的 AI 工具在读取表格时，通常会对页面上的每一条线进行同等对待。它们看到一条水平线和一条垂直线时会说：“好吧，这两者都只是边缘；让我们尝试以同样的方式找到它们。”
本文的作者认为，这就像试图用同样多的油漆去涂抹一个长而薄的篱笆的顶部、底部和两侧一样，这是低效的。
- 对于一行： 顶边和底边是“老板”。它们定义了这一行。左边和右边只是标记结束的“篱笆桩”。
- 对于一列： 左边和右边是“老板”。它们定义了这一列。顶边和底边只是“篱笆桩”。
如果 AI 把“老板”边缘弄错了一点点，整个表格结构就会崩塌。但如果它把“篱笆桩”边缘弄错了一点点，表格看起来仍然基本正常。
解决方案：ConRTF（“聪明的油漆匠”）
论文介绍了一种名为 ConRTF 的新方法。把它想象成一个知道篱笆哪些部分需要更多关注的“聪明油漆匠”。
特殊的油漆（EFL 损失函数）： 核心创新是一种新的 AI 训练规则，称为边缘约束细粒度定位（Edge-constrained Fine-grained Localization, EFL）。
- 当 AI 学习绘制行时，EFL 规则会说：“嘿，格外注意顶边和底边！让它们变得完美。侧边线可以稍微宽松一点。”
- 当 AI 学习绘制列时，规则反转过来：“努力关注左边和右边线！顶边和底边可以更灵活一些。”
仅限训练阶段： 这种特殊规则仅在 AI 学习（训练）期间适用。一旦 AI 完成学习并准备好投入工作（推理）时，它就不再需要遵循这些额外规则。它会像以前一样快速运行。这就像一个学生在为考试使用特殊的荧光笔学习；一旦考试开始，他们就会正常书写，但他们能更好地记住重要的部分。
数据效率： 作者发现，这种方法非常擅长教会 AI 哪些部分才是重要的，因此它不需要海量的示例库来学习。即使只有相对较少的示例（大约 2,000 到 3,000 个），它也能很好地学会阅读表格，而其他方法可能需要多得多的数据才能达到同样的结果。
结果：更快、更准确
团队在包含真实世界表格（如科学论文和商业文档）的大型数据集上，将他们的“聪明油漆匠”（ConRTF）与其他顶尖 AI 模型进行了对比测试。
- 更高的准确度： ConRTF 在绘制表格线方面的错误更少。与现有的最佳实时模型相比，它将 “GriTS” 分数（衡量表格结构理解程度的指标）提高了多达 1.6 分。
- 速度： 因为特殊规则只发生在训练阶段，所以当 AI 实际阅读文档时，它的运行速度与标准模型一样快。它并没有降低任何处理速度。
- 处理复杂情况的能力： 最大的进步出现在那些其他 AI 模型难以应对的“杂乱”表格上。ConRTF 能够更好地理清行与列重叠或难以区分的复杂布局。
总结
本文提出了一种教 AI 阅读表格的方法，即通过告诉它并非所有的线都是平等的来进行教学。通过告诉 AI 将精力集中在定义行或列形状的特定线条上，它学习得更快，需要的训练数据更少，并且能在不减慢处理速度的情况下，生成更加清晰、准确的表格结构。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。