DocLayout-YOLO: Enhancing Document Layout Analysis through Diverse Synthetic Data and Global-to-Local Adaptive Perception

PubLayNet 数据集用于文档布局分析，深度神经网络模型能够准确识别科学文章的布局。

READ 框架利用递归自动编码器生成多样的文档2D布局，并通过标注边界框的文档数据集进行学习。

DocBank 是一个包含 500K 篇文档页面的基准数据集，能够提高多模态方法在文档布局分析中的性能。

LayoutLMv2 提出了新的预训练架构，整合文本、布局和图像之间的交互，取得了多个文档理解任务的先进结果。

DocLayNet 数据集用于多样性布局的训练和测试，证明其模型在文档布局分析中更具鲁棒性。

$M^{6}Doc$ 数据集和 TransDLANet 方法实现了更精确的文档图像实例分割，展示了其有效性。

GraphLayoutLM 模型通过布局结构图建模，提高了文档理解能力，并在多个基准测试中取得了先进结果。

DocLLM 模型结合文本语义和空间布局，优于当前最优模型，具有较好的泛化能力。

RanLayNet 数据集解决了有限多样性数据集对深度学习模型的影响，训练的模型在科学文档领域表现更优。