arXiv · 机器人与计算机视觉· Zhiyuan Zhao, Hengrui Kang, Guang Liang, Bin Wang, Conghui He·· 29 天前AI 评分58
DocLayout-YOLO:一种融合网格引导合成预训练与页轴注意力机制的文档布局检测器
DocLayout-YOLO: Axis-Attentive Document Layout Detector with Mesh-Guided Synthetic Pretraining
AI 导读
针对 YOLO 框架在异构文档场景下的适配不足问题,本文提出 DocLayout-YOLO 实时检测器。数据方面,引入 MeshLayout-1M 合成预训练语料库;模型方面,设计 Page-Axis Layout Attention (PALA) 以捕捉页轴长程依赖。
来源:arXiv · 机器人与计算机视觉 · arxiv.org