360：通过分层细节网络增强复杂公式识别

📖标题：Enhancing Complex Formula Recognition with Hierarchical Detail-Focused Network
🌐来源：arXiv, 2409.11677

摘要

🔸由于公式的多种可能解释，分层和复杂的数学表达式识别（MER）具有挑战性，使解析和计算都变得复杂。
🔸在本文中，我们介绍了分层细节聚焦识别数据集（HDR），这是第一个专门为解决这些问题而设计的数据集。它由一个大规模的训练集HDR-100M组成，提供了前所未有的规模和多样性，有一亿个训练实例。测试集HDR测试包括对复杂层次公式的多种解释，用于综合模型性能评估。
🔸此外，解析复杂公式时经常会出现细粒度细节错误。为了解决这个问题，我们提出了分层细节聚焦识别网络（HDNet），这是一个创新的框架，它包含了一个分层子公式模块，专注于精确处理公式细节，从而显著提高了MER性能。实验结果表明，HDNet在各种数据集上的表现优于现有的MER模型。

🛎️文章简介

🔸研究问题：现有模型在处理复杂结构、重叠符号或低质量图像的公式时，容易出现解析错误。
🔸主要贡献：论