UniTable: Towards a Unified Framework for Table Structure Recognition via Self-Supervised Pretraining

表格传达人类创造的隐含约定下的事实和数量数据，这通常对机器来说是具有挑战性的。以往的表格结构识别（TSR）工作主要集中于可用输入和工具的复杂任务特定组合。我们提出了UniTable，这是一个训练框架，将TSR的训练范式和训练目标统一起来。它的训练范式将纯像素级输入的简单性与自我监督预训练（SSP）从多样化的未注释表格图像中获得的有效性和可扩展性相结合。我们的框架将所有三个TSR任务的训练目标 - 提取表格结构、单元格内容和单元格边界框（bbox） - 统一为一个任务不可知的训练目标：语言建模。广泛的定量和定性分析突出了UniTable在四个最大的TSR数据集上的最新性能。为了促进可重复的研究、增强透明度和最新技术创新，我们在https://github.com/poloclub/unitable上开源了我们的代码，并发布了第一个支持所有三个TSR任务的、在多个TSR数据集上进行微调的推理流程的Jupyter Notebook。

UniTable论文旨在解决表格结构识别（TSR）中的三个任务（提取表格结构、单元格内容和单元格边界框）的训练难题，以及表格数据的自动化处理问题。

UniTable采用了自监督预训练（SSP）和统一的语言建模训练目标来解决TSR的训练难题，同时将纯像素级输入和多样化的未注释表格图像相结合，实现了任务无关的训练目标。

该论文在四个最大的TSR数据集上展示了UniTable的最新性能，实现了最先进的结果。此外，作者还开源了代码和Jupyter Notebook，以促进可重复性研究和透明度。

在TSR领域，最近的相关研究包括DeepDeSRT、TableBank和TableNet等。