版面分析技术研究方向：真实世界中更丰富的版面布局

在文档解析工作中，我们日常会遇到种类繁多的文件类型：书籍、期刊、论文、企业年报、公告、金融研报、国标材料、试卷，等等不胜枚举。基于深度学习方法，当前的版面分析技术能够妥善处理包括多栏排版论文、跨页无线表格在内的众多复杂版面情况。

尽管如此，仍有更丰富的案例进入我们的视野，它们被应用于学术研究、AI训练等场景，特殊的版面构成向当前的技术提出了挑战。例如，以下两张报纸页面。

以报纸、杂志为代表的版面结构复杂，缺乏统一性，解析难度相较其他文档更高。在当前技术的基础上，合合信息技术团队已关注到这一类版面布局，并开展研究，探索提高算法模型表现的方法。

1 TransDLANet文档布局分析方法

TransDLANet[1] 是一个基于 Transformer 的文档布局分析方法，采用实例分割的方式进行布局提取。方法遵循 ISTR[2] 的框架，但在核心上进行了变化，通过利用自适应元素匹配机制，使查询嵌入能够更好地匹配真实标注并提高召回率。TransDLANet使用不带位置编码的 Transformer 编码器作为特征融合方法，构建了一个分割分支以实现更精确的文档图像实例分割，并使用三个共享参数的多层感知机（MLP）分支进行多任务学习。

The pipeline of TransDLANet

TransDLANet 架构：