RoDLA: ドキュメントレイアウト分析モデルの堅牢性のベンチマーキング

実世界のアプリケーションでドキュメントレイアウト分析（DLA）モデルを開発する前に、包括的な堅牢性テストを実施することが不可欠です。しかし、DLAモデルの堅牢性は文献で十分に探求されていません。本研究では、DLAモデルのための堅牢性ベンチマークを初めて導入し、3つのデータセットから450Kのドキュメント画像を含めます。現実的な破損をカバーするために、実世界のドキュメント処理に触発された36の一般的なドキュメント擾乱に基づく擾乱の分類を提案します。さらに、ドキュメント擾乱の影響をより良く理解するために、擾乱評価のための平均擾乱効果（mPE）と堅牢性評価のための平均堅牢性劣化（mRD）という2つの指標を提案します。さらに、自身の名を冠したモデル、すなわち堅牢ドキュメントレイアウトアナライザー（RoDLA）を導入し、堅牢な特徴の抽出を向上させるために注意メカニズムを改善します。提案されたベンチマーク（PubLayNet-P、DocLayNet-P、M⁶Doc-P）に関する実験は、RoDLAがそれぞれ115.7、135.4、150.4という最先端のmRDスコアを達成することを示しています。前の方法と比較して、RoDLAはそれぞれmAPの+3.8%、+7.1%、+12.1%の顕著な改善を達成しました。