훈련 없는 그래프 프레임워크가 복잡한 문서 레이아웃의 읽기 순서를 추론

텍스트 스트림이 공간적으로 교차하는 Glossa Ordinaria 레이아웃과 같은 복잡한 역사적 사본의 읽기 순서를 추론하기 위해 훈련 없는 그래프 기반 프레임워크가 제안되었습니다. 이 방법은 OCR 라인에서 방향 후보 전이 그래프를 구성하고, 탐욕 선택 실패를 피하기 위해 최대 후회 추론 규칙을 사용하여 전역 순서를 복원합니다.

• 간선은 인과 언어 모델의 조건부 우도와 BERT 다음 문장 예측(NSP)의 가중 앙상블으로 점수가 매겨집니다.
• 합성 Glossa Ordinaria 레이아웃에서 이 방법은 평균적으로 정답 successor 간선의 95%를 복원하며, 재귀적 XY-cut의 50%와 비교됩니다.
• OmniDocBench의 140페이지 다중 열 하위 집합에서 XY-cut의 75% 및 LayoutReader의 25% 대비 88%의 매크로 간선 정확도를 달성합니다.
• 이 접근 방식은 거울 대칭 불변성을 보여주며, 페이지 반전 시 1퍼센트 포인트 미만으로 변화하는 반면, LayoutReader-T는 최대 8포인트까지 변화합니다.

이 프레임워크는 XY-cut과 같은 정통 방법이 연쇄 실패에 직면하고, LayoutReader 기반 모델이 세분성 불일치로 인해 전이가 잘 되지 않는 복잡한 레이아웃의 디지털화 병목 현상을 해결합니다.