向AI轉(zhuǎn)型的程序員都關(guān)注了這個號?????? 最近有很多多模網(wǎng)絡(luò)用于處理視覺信息豐富的文檔理解（VRDU）。同時用視覺，布局信息和文本embedding。但是大部分方法在序列中融合位置編碼，忽略了通過OCR工具可能產(chǎn)生的不正確閱讀順序。文章提出XYLayoutLM， 通過Augmented XY Cut的...