深度学习源码入门见专栏置顶~
论文作者:Chuwei Luo,Changxu Cheng,Qi Zheng,Cong Yao
作者单位:DAMO Academy; Alibaba Group
论文链接:http://arxiv.org/abs/2304.10759v1
内容简介:
1)方向:文档智能
2)应用:视觉信息提取(VIE)
3)背景:VIE通常分为两个任务:语义实体识别(SER)和关系提取(RE)。现有的预训练模型在SER方面取得了显著进展,但是对于RE任务来说,几何信息尤为重要,而现有模型隐式地学习几何表示,效果不佳。此外,预训练阶段和微调阶段之间的目标差距也限制了RE的性能。
4)方法:提出了一种名为GeoLayoutLM的多模态框架,用于VIE。GeoLayoutLM通过三个特别设计的几何相关预训练任务实现几何预训练,并在微调阶段使用新颖的关系头进行RE。这些关系头通过几何预训练任务进行预训练,并精心设计以丰富和增强特征表示。
5)结果:在标准VIE基准测试上,GeoLayoutLM在SER任务中取得了极具竞争力的分数,并且在RE方面显著优于以前的最新技术(例如,在FUNSD上的RE F1分数从80.35%提高到89.45%)。代码和模型可在https://github.com/AlibabaResearch/AdvancedLiterateMachinery/tree/main/DocumentUnderstanding/GeoLayoutLM上公开获取。