세 결과의 공동 생성
표를 이해하려면 행과 열의 연결 관계, 각 셀의 글자와 이미지 안의 위치가 맞아야 한다. TableSeq는 세 결과를 별개 단계에서 붙이는 대신 하나의 순서 있는 출력으로 표현한다.
문자와 좌표가 섞인 토큰열
한 디코더가 HTML 태그와 셀 텍스트, 이산화한 좌표 토큰을 교차하여 출력한다. 이 방식으로 논리 구조와 문자 내용, 셀의 기하 정보를 같은 생성 과정 안에서 대응시킨다.
이미지에서 직접 인식
고해상도 합성곱 인코더와 작은 구조 사전 정보 헤드, 단일 층 트랜스포머 인코더를 결합한다. 외부 OCR이나 보조 디코더에 의존하지 않는 구성으로 표 인식을 학습한다.
구조 점수와 질의 응답
여러 표 자료에서 구조와 내용 인식, 셀 위치를 평가하고 인덱스를 이용한 표 질의로도 출력 형식을 확장했다. 여러 토큰을 묶어 예측하는 실험은 지연과 정확도의 상충 관계를 따로 살폈다.
관련 문서
FastTab / PubTabNet / PubTables-1M / 광학 문자 인식 / 자기 회귀 모델 / 트랜스포머