RAPTOR: 제품 테이블 객체 인식을 위한 정교한 접근 방식

RAPTOR는 기존 표 인식 시스템의 한계를 극복하는 혁신적인 후처리 시스템으로, 유전 알고리즘 기반 최적화를 통해 제품 테이블 등 복잡한 표 구조에 대한 정확도를 크게 향상시켰습니다. 다양한 데이터셋 평가를 통해 그 우수성이 검증되었으며, 산업 전반에 긍정적 영향을 미칠 것으로 기대됩니다.

혁신적인 표 인식 시스템, RAPTOR의 등장

인보이스나 보고서와 같은 비즈니스 문서에서 표를 추출하는 것은 다양한 산업 분야에서 매우 중요한 작업입니다. 기존의 DETR(DEtection TRansformer) 기반 시스템, 예를 들어 TATR(TAble TRansformer)은 표 감지(TD)와 표 구조 인식(TSR)에 대한 해결책을 제공하지만, 다양한 표 형식과 부정확한 영역 감지, 열 겹침과 같은 일반적인 오류에 어려움을 겪습니다.

이 연구는 이러한 문제를 해결하기 위해 RAPTOR라는 모듈식 후처리 시스템을 소개합니다. RAPTOR는 특히 제품 테이블에 대한 향상된 표 추출을 위해 최첨단 모델을 향상시키도록 설계되었습니다. RAPTOR는 반복적인 TD 및 TSR 문제를 해결하여 정밀도와 구조적 예측 모두를 개선합니다.

RAPTOR의 핵심 기술

RAPTOR는 TD에는 ICDAR 2019에서 훈련된 DETR과 PubTables-1M 및 FinTabNet에서 훈련된 TATR을 사용하고, TSR에는 TATR만 사용합니다. 산업 요구 사항에 맞추기 위해 제품 테이블의 개인 데이터 세트를 사용하여 유전 알고리즘을 통합하여 RAPTOR의 모듈 매개변수를 최적화합니다. 이러한 정교한 최적화 과정을 통해 RAPTOR는 기존 시스템의 한계를 뛰어넘는 정확성을 제공합니다.

놀라운 성능 검증

연구팀은 제품 테이블의 두 개의 개인 데이터 세트, 목표 제품 테이블과 유사한 테이블을 포함하는 공개 DOCILE 데이터 세트, 그리고 ICDAR 2013 및 ICDAR 2019 데이터 세트에서 RAPTOR의 성능을 평가했습니다. 결과는 RAPTOR가 제품 테이블에서 탁월한 성능을 보이는 동시에 다양한 표 형식에서도 합리적인 성능을 유지함을 보여줍니다. 추가적으로 수행된 ablation study는 시스템 내 각 모듈의 기여도를 검증하여 RAPTOR의 설계의 우수성을 입증합니다.

Eliott Thomas 외 7명의 연구진은 RAPTOR를 통해 표 인식 분야에 획기적인 발전을 이끌어냈습니다. 이들의 연구는 산업 전반에 걸쳐 표 데이터 처리의 정확성과 효율성을 크게 향상시킬 것으로 기대됩니다. 특히 제품 테이블과 같은 복잡한 표 데이터를 다루는 분야에서는 RAPTOR의 적용이 혁신적인 변화를 가져올 것으로 예상됩니다. 앞으로 RAPTOR의 발전과 더욱 넓은 분야로의 적용 확대가 기대됩니다.