跳到正文
arXiv · 机器人与计算机视觉· Xiao Liu, Yage Wang, Qi Yu, Giri Iyengar·· 2 天前精选AI 评分78

FiReIQ:融合推理与图像质量的字段级置信度估计方法

FiReIQ: Field-Level Confidence Estimation with Reasoning and Image Quality in Document Extraction

AI 导读

针对现有不确定性估计器难以区分字段级推理误差且忽视视觉退化问题,本文提出 FiReIQ 框架,通过结合单生成过程的字段对齐推理信号与局部全局图像质量特征进行质量条件化视觉融合。研究构建了涵盖金融票据和法律合同的 FiReIQ-Bench 基准,实验表明该方法在私有金融服务数据上将 AUROC 提升 6.8%,95% 精度下的覆盖率提升 10.6%,有效降低了人工复核需求并提升了文档自动化可靠性。

推荐理由

FiReIQ 框架结合推理信号与图像质量特征,在金融票据等文档提取任务中显著提升了置信度判别能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org