TableVQA-Bench: 多表领域上的视觉问答基准
内容提要
本文设计了新的表格问答基准 WikiSQL-TS 和 WikiTQ-TS，提出了 T3QA 方案以应对主题转移问题。同时，开发了 BioTABQA 数据集和 MultiTabQA 模型，提升了多表问题回答的性能。此外，介绍了 TabIQA 流程和 EVJVQA 数据集，推动多语言视觉问答的发展。最后，提供了 TAT-DQA 数据集和 MHST 模型，促进视觉与语言融合的研究。
延伸解读
多表问答的评估与生成挑战
MultiTabQA 模型不仅能回答多表问题，还能生成表格形式的答案，这突破了传统单表问答的局限。其预训练数据集包含 132,645 个 SQL 查询和表格回答，并在 Spider、Atis 和 GeoQuery 上微调后优于单表模型。这表明多表场景需要专门的模型设计和评估指标，而生成表格答案的能力为复杂查询提供了更直观的响应方式。
主题转移下的鲁棒性测试
WikiSQL-TS 和 WikiTQ-TS 基准模拟了实际应用中的主题转移场景，即训练和测试数据来自不同主题。T3QA 方案通过注入主题词汇、生成主题专用训练数据和逻辑形式重排序来应对这一挑战。这类基准有助于推动更鲁棒的 TableQA 解决方案，使模型在部署时能更好地适应主题变化。
多模态表格问答的进展与局限
TAT-DQA 数据集包含来自财务报告的 16,558 个问答对，结合了半结构化表格和非结构化文本。MHST 模型能处理多模态信息并运用离散推理，结果明显优于基线，但仍远落后于专家人类。这说明融合视觉和语言的文档理解仍有很大提升空间，尤其是在需要深度推理的财务领域。
Q&A
WikiSQL-TS 和 WikiTQ-TS 是什么？
WikiSQL-TS 和 WikiTQ-TS 是新设计的表格问答基准，旨在模拟实际的主题转移场景。
MultiTabQA 模型的主要功能是什么？
MultiTabQA 模型能够回答多表问题并生成表格回答，经过微调后优于单表 QA 模型。
BioTABQA 数据集的特点是什么？
BioTABQA 数据集包含 22 个模板和上下文信息，采用基于指导学习的方法，性能提高约 23%。
TabIQA 流程是如何工作的？
TabIQA 流程使用深度学习技术从图像中提取表格内容，能够回答与数字数据和结构化表格相关的问题。
EVJVQA 数据集的用途是什么？
EVJVQA 数据集用于评估多语言视觉问答系统，展示了多语言 QA 系统的实现。
TAT-DQA 数据集包含哪些内容？
TAT-DQA 数据集包含来自财务报告的问答对，包含半结构化表格和非结构化文本。
