본 논문은 소량의 데이터로 다양한 유형의 시각적으로 풍부한 문서 이해(VRDU)에 적용 가능한 확장성 있고 효율적인 모델 아키텍처인 Few Shot Domain Adapting Graph (FS-DAG)를 제안합니다. FS-DAG는 모듈식 프레임워크 내에서 도메인 특정 및 언어/비전 특정 백본을 활용하여 최소한의 데이터로 다양한 문서 유형에 적응합니다. OCR 오류, 오타, 도메인 이동과 같은 실제 배포에서 중요한 실질적인 문제에 강력합니다. 9천만 개 미만의 매개변수로 높은 성능을 보이며, 계산 자원이 제한적인 정보 추출(IE) 작업의 복잡한 실제 응용 프로그램에 적합합니다. 광범위한 실험을 통해 정보 추출 작업에서 기존 방법에 비해 수렴 속도와 성능이 크게 향상됨을 보여줍니다. 또한, 성능 저하 없이 더 작고 효율적인 모델 개발의 지속적인 진전을 강조합니다.
