- …
- …
#639
summarized by : Yue Qiu
どんな論文か？
Mechanically-shredded text documentsをリコンストラクションする手法を提案．shreds間のcompatibilityの評価のところの改善にフォーカスし，Metric-LearningによりShredsをEmbedding空間に射影し、距離でshredsが隣接するかどうかを評価できる．また，手動でアノテーションするデータセットを必要せずに合成データで学習できる．
新規性
①既存手法はshreds間のペアワイズcompatibilityの評価を行い、それによりShredsの数により比較回数がquadraticallyに成長する．提案手法はペアワイズで比較せずに、ShredsをEmbedding空間に射影し、Metric-Learningを用いてShredsの数によりLinearly比較を行えるようにした．②従来の既存手法より大幅にRuntimeを更新．
結果
①Single-page reconstructionでは７倍のスピードでSOTAと同レベルな精度を達成；②Multi-page multi-document設定で約22倍のスピードで既存手法の高精度をKeep．
その他（なぜ通ったか？等）
①CVの研究でShredded Text DocumentsのReconstructionを行う人がすくなく、この研究ではかなりSpecifiedなタスクを取り扱っている．競争が比較的に激しくない；②Deep Learning技術を有効的にSpecifiedなタスクに適応した；③既存手法と比べ，提案のMetric-Learning-based手法のRuntimeがはるかに速い．
- …
- …