摘要

表格结构识别是一项具有挑战性的任务，由于表格结构的多样性以及复杂的单元格跨越关系。以往的方法从不同粒度的元素（行/列、文本区域）入手处理这一问题，但往往陷入了诸如启发式规则损失或忽略空单元格划分等问题。基于表格结构的特点，我们发现获取文本区域的对齐边界框可以有效地保持不同单元格的相关范围。然而，由于视觉上的模糊性，对齐边界框难以准确预测。在本文中，我们的目标是通过充分利用局部特征中的文本区域和全局特征中的单元格关系所包含的视觉信息，获得更加可靠的对齐边界框。具体而言，我们提出了局部和全局金字塔掩模对齐框架（Local and Global Pyramid Mask Alignment），该框架在局部和全局特征图中采用了软金字塔掩模学习机制。这使得预测的边界框边界能够突破原始提案的限制。随后，我们集成了一个金字塔掩模重评分模块，以协调局部和全局信息并优化预测的边界。最后，我们提出了一种鲁棒的表格结构恢复流水线，以获得最终的结构，在此过程中我们也有效解决了空单元格定位和划分的问题。实验结果表明，所提出的方法在多个公开基准测试中取得了具有竞争力甚至最新的先进性能。