基于OCR文本行的多模态图注意力表格结构识别

楚识科技OCR

发布于 2026-05-27 10:32:10

1060

概述

摘要：从文档图像中准确恢复表格结构是文档智能的核心挑战之一。针对复杂无边框表格及跨行跨列单元格难以解析的问题，本文提出一种以OCR文本行为原语的多模态图Transformer识别框架。该框架综合编码文本行的几何、视觉与语义特征，通过空间关系偏置的图注意力网络推断行间、列间及单元格合并关系，并引入可微行列分配损失保证全局结构一致性。在PubTabNet及ICDAR 2019 cTDaR数据集上的评估

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

文字识别