Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Enhancing Table Recognition with Vision LLMs: A Benchmark and Neighbor-Guided Toolchain Reasoner

Created by
  • Haebom

저자

Yitong Zhou, Mingyue Cheng, Qingyang Mao, Feiyang Xu, Xin Li

개요

본 논문은 비전 대규모 언어 모델(VLLM)을 이용한 비정형 테이블의 구조 및 내용 인식에 대한 연구를 다룬다. 기존의 사전 훈련된 기초 모델들이 테이블 이해 및 추론과 같은 작업에서 진전을 보였지만, 비정형 테이블 인식은 여전히 미개척 분야이다. 이에 본 논문에서는 계층적 설계 철학에 기반한 벤치마크를 제안하여 VLLM의 인식 능력을 평가하고, 저품질 이미지 입력이 인식 과정의 주요 병목 현상임을 밝힌다. 이를 해결하기 위해 저품질 이미지 문제를 완화하기 위한 다양한 경량화 도구를 통합한 Neighbor-Guided Toolchain Reasoner (NGTR) 프레임워크를 제안한다. NGTR은 유사한 이웃으로부터 도구 선택 경험을 전이하고, 도구 호출 과정을 감독하는 반사 모듈을 설계한다. 공개 데이터셋에 대한 실험을 통해 NGTR이 기존 VLLM의 인식 능력을 크게 향상시키는 것을 보여준다. 본 논문의 벤치마크와 프레임워크는 테이블 인식에 대한 대안적인 해결책을 제공한다.

시사점, 한계점

시사점:
저품질 이미지 입력이 VLLM 기반 비정형 테이블 인식의 주요 병목 현상임을 밝힘.
저품질 이미지 문제 해결을 위한 NGTR 프레임워크 제안 및 효과 검증.
VLLM을 이용한 비정형 테이블 인식에 대한 새로운 벤치마크 제시.
이웃으로부터의 도구 선택 경험 전이 및 반사 모듈을 통한 도구 호출 과정 감독의 효용성 제시.
한계점:
제안된 벤치마크 및 프레임워크의 일반화 성능에 대한 추가적인 검증 필요.
다양한 유형의 비정형 테이블 및 저품질 이미지에 대한 robustness 평가 필요.
NGTR 프레임워크의 계산 비용 및 효율성에 대한 추가적인 분석 필요.
특정 유형의 저품질 이미지에 편향될 가능성 존재.
👍
You do not have permission to write comments