UniHDSA: Un Approccio Unificato alla Predizione delle Relazioni per l'Analisi della Struttura Gerarchica dei Documenti

UniHDSA: A Unified Relation Prediction Approach for Hierarchical Document Structure Analysis

March 20, 2025

Autori: Jiawei Wang, Kai Hu, Qiang Huo

cs.AI

Abstract

L'analisi della struttura dei documenti, nota anche come analisi del layout dei documenti, è fondamentale per comprendere sia il layout fisico che la struttura logica dei documenti, supportando il recupero delle informazioni, la sintesi dei documenti, l'estrazione di conoscenze, ecc. L'Analisi della Struttura Gerarchica dei Documenti (HDSA) mira specificamente a ripristinare la struttura gerarchica dei documenti creati utilizzando software di authoring con schemi gerarchici. Le ricerche precedenti hanno seguito principalmente due approcci: uno si concentra sull'affrontare specifici sottocompiti dell'HDSA in modo isolato, come il rilevamento delle tabelle o la previsione dell'ordine di lettura, mentre l'altro adotta un framework unificato che utilizza più rami o moduli, ciascuno progettato per affrontare un compito distinto. In questo lavoro, proponiamo un approccio unificato di previsione delle relazioni per l'HDSA, chiamato UniHDSA, che tratta vari sottocompiti dell'HDSA come problemi di previsione delle relazioni e consolida le etichette di previsione delle relazioni in uno spazio di etichette unificato. Ciò consente a un singolo modulo di previsione delle relazioni di gestire più compiti contemporaneamente, sia a livello di analisi della struttura di una pagina che di un intero documento. Per validare l'efficacia di UniHDSA, sviluppiamo un sistema end-to-end multimodale basato su architetture Transformer. I risultati sperimentali estesi dimostrano che il nostro approccio raggiunge prestazioni all'avanguardia su un benchmark di analisi della struttura gerarchica dei documenti, Comp-HRDoc, e risultati competitivi su un dataset su larga scala di analisi del layout dei documenti, DocLayNet, illustrando efficacemente la superiorità del nostro metodo in tutti i sottocompiti. Il benchmark Comp-HRDoc e le configurazioni di UniHDSA sono disponibili pubblicamente all'indirizzo https://github.com/microsoft/CompHRDoc.

English

Document structure analysis, aka document layout analysis, is crucial for understanding both the physical layout and logical structure of documents, serving information retrieval, document summarization, knowledge extraction, etc. Hierarchical Document Structure Analysis (HDSA) specifically aims to restore the hierarchical structure of documents created using authoring software with hierarchical schemas. Previous research has primarily followed two approaches: one focuses on tackling specific subtasks of HDSA in isolation, such as table detection or reading order prediction, while the other adopts a unified framework that uses multiple branches or modules, each designed to address a distinct task. In this work, we propose a unified relation prediction approach for HDSA, called UniHDSA, which treats various HDSA sub-tasks as relation prediction problems and consolidates relation prediction labels into a unified label space. This allows a single relation prediction module to handle multiple tasks simultaneously, whether at a page-level or document-level structure analysis. To validate the effectiveness of UniHDSA, we develop a multimodal end-to-end system based on Transformer architectures. Extensive experimental results demonstrate that our approach achieves state-of-the-art performance on a hierarchical document structure analysis benchmark, Comp-HRDoc, and competitive results on a large-scale document layout analysis dataset, DocLayNet, effectively illustrating the superiority of our method across all sub-tasks. The Comp-HRDoc benchmark and UniHDSA's configurations are publicly available at https://github.com/microsoft/CompHRDoc.