AI
LiLT:A Simple yet Effective Language-Independent Layout Transformer for Structured Document Understanding
L
Lighthouse
LiLT: A Simple yet Effective Language-Independent Layout Transformer for Structured Document Understanding
•
논문명 : LiLT: A Simple yet Effective Language-Independent Layout Transformer for Structured Document Understanding
•
출간일 : 2022.02
•
출간 학회 : ACL
•
저자 : Wang, Jiapeng, Lianwen Jin, and Kai Ding
•
소속 :
◦
South China University of Technology, Guangzhou, China
◦
IntSig Information Co., Ltd, Shanghai, China
◦
INTSIG-SCUT Joint Laboratory of Document Recognition and Understanding, China
◦
Peng Cheng Laboratory, Shenzhen, China
•
인용 수 : 117
Abstract
•
문제 의식 : English 에 특화된 Structured Document Understanding (SDU) 모델들만 있음
→ Multi lingual SDU 모델에 Contribution
→ Multi lingual SDU 모델에 Contribution
◦
DLA 태스크를 명확히 말하지 않음.
◦
Semantic Entity Recognition (SER), Relation Extraction(RE) 에 한정해서 언급
◦
Paragraph 단위의 SER 이 DLA Task 와 같은 것으로 보임
LILT
•
LILT는 OCR 결과 를 받아서 Language Independent 하게 SDU(SER, RE) 하는 모델
•
pretrain 할 때 single language 로 학습함.
•
fine tuning 할 때, 다른 언어 사용
•
architecture
◦
a novel bi-directional attention complementation mechanism (BiACM)
◦
mono lingual or multi lingual pretrain texture 모델 사용 (ex RoBERTA, InfoXLM)
•
pretrain task
◦
MVLM 태스크
◦
key point location (KPL)
◦
cross- modal alignment identification (CAI) tasks
HuggingFace LiLT 구현
from transformers import LiltModel
@add_start_docstrings(
"The bare LiLT Model transformer outputting raw hidden-states without any specific head on top.",
LILT_START_DOCSTRING,
)
class LiltModel(LiltPreTrainedModel):
def __init__(self, config, add_pooling_layer=True):
super().__init__(config)
self.config = config
self.embeddings = LiltTextEmbeddings(config)
self.layout_embeddings = LiltLayoutEmbeddings(config)
self.encoder = LiltEncoder(config)
self.pooler = LiltPooler(config) if add_pooling_layer else None
# Initialize weights and apply final processing
self.post_init()
데이터셋 추가 설명
•
FUNSD
◦
목적: 노이즈가 있는 스캔 문서에서 양식을 이해하기 위한 영어 데이터셋
◦
구성:
▪
총 199개의 실제 스캔된 양식
▪
31,485개의 단어 위에 9,707개의 의미 엔티티가 어노테이션
▪
149개 훈련용, 50개 테스트용으로 분할
◦
태스크: 의미 엔티티 인식(SER) - 각 단어에 네 가지 미리 정의된 카테고리 중 하나의 레이블을 할당
▪
카테고리: 질문, 답변, 헤더, 기타
◦
특징: 공식 OCR 주석을 직접 사용
•
CORD(영수증 키 정보 추출용 영어 데이터셋)
◦
구성: 훈련용 800개, 검증용 100개, 테스트용 100개 영수증
◦
각 영수증에는 사진과 OCR 주석 목록 포함
◦
4개 카테고리 아래 30개 필드 정의
◦
태스크: 각 단어에 올바른 필드 레이블 지정
◦
공식 OCR 주석 사용
•
EPHOIE (중국어 시험지 )
◦
다양한 텍스트 유형과 레이아웃 분포를 가진 실제 시험지로 구성
◦
구성: 훈련용 1,183개, 테스트용 311개 이미지 (총 1,494개)
◦
10개의 엔티티 카테고리 정의
◦
평가 지표: 엔티티 수준 F1 점수 (RoBERTa, LayoutXLM, LiLT 모델용)
◦
공식 OCR 주석 사용
•
RVL-CDIP
◦
영어 문서 분류 데이터셋
◦
400,000개의 흑백 영어 문서 이미지로 구성
◦
Text and layout information are extracted by TextIn API
•
XFUND
◦
개요: XFUND는 다국어 양식 이해를 위한 데이터셋입니다.
◦
구성:
▪
총 1,393개의 완전히 주석 처리된 양식
▪
7개 언어 포함: 중국어(ZH), 일본어(JA), 스페인어(ES), 프랑스어(FR), 이탈리아어(IT), 독일어(DE), 포르투갈어(PT)
▪
각 언어별로 199개의 양식 (훈련용 149개, 테스트용 50개)
◦
주요 태스크:
▪
의미 엔티티 인식(SER)
▪
관계 추출(RE): 주어진 두 의미 엔티티 간의 관계 예측 (주로 키-값 관계 추출에 초점)
◦
평가:
▪
공식 OCR 결과 사용
Kp
Subscribe to 'KPMG Lighthouse'
Subscribe to my site to be the first to receive notifications and emails about the latest updates, including new posts.
Join Slashpage and subscribe to 'KPMG Lighthouse'!
Join Slashpage and subscribe to 'KPMG Lighthouse'!
