視覚的質問応答による文書情報抽出における同時多項目推論
概要
視覚的質問応答は、文書画像から構造化された情報を抽出する上で有望な手法である。
しかし、従来の手法では、抽出対象となる各項目を個別に質問応答する方式で実現されることが多く、項目間に内在する依存関係を十分に活用できていない可能性がある。
本研究では、関連性のある複数項目を同時に推論する手法を検討し、その有効性を実証する。
実世界のデータセットを用いて評価した結果、相互依存性が高い項目群において、同時に推論する手法は従来の手法を大幅に上回る抽出精度を示し、相互依存性が低い項目に対しても同等の水準を維持できることを示した。
また、項目数や項目間の関連の強さが抽出精度に及ぼす影響を分析し、視覚的質問応答に基づく情報抽出を効果的に実現するための知見を提示する。