通过视觉 - 非对称一致性学习在文档图像中增强的语义实体识别

原文约300字，阅读约需1分钟。发表于：。

从视觉丰富的表单样式文档（VFDs）中提取属于预定义类别的有意义实体是一项具有挑战性的任务。本文提出了一种全新的 Vancl 方法，通过引入颜色先验知识来增强模型对细粒度视觉和布局特征的捕捉能力，并在基准数据集上实验证明我们的方法明显优于强大的 LayoutLM 系列基线，展示了该方法的有效性，并通过研究不同的颜色方案对该方法的影响，为优化模型性能提供了启示。我们相信我们的工作将激发未来的多模态信息提取研究。

本文提出了一种增强模型对细粒度视觉和布局特征的捕捉能力的新方法，通过引入颜色先验知识，并在基准数据集上实验证明其优于强大的 LayoutLM 系列基线。研究不同的颜色方案对该方法的影响，为优化模型性能提供了启示。