視覺富文檔理解預訓練綜述

摘要： 視覺富文檔指語義結(jié)構(gòu)不僅由文本內(nèi)容決定，還與排版格式和表格結(jié)構(gòu)等視覺元素相關(guān)的文檔?，F(xiàn)實生活中的票據(jù)理解和證件識別等應用場景，都需要對視覺富文檔進行自動化的閱讀、分析和處理。這一過程即為視覺富文檔理解，屬于自然語言處理和計算機視覺的交叉領(lǐng)域。近年來，視覺富文檔理解領(lǐng)域的預訓練技術(shù)在打破下游任務的訓練壁壘和提升模型表現(xiàn)上取得了重大的進展。然而，目前對現(xiàn)有的預訓練模型的歸納總結(jié)和深... （共18頁）