NAMER：用于手写数学表达式识别的非自回归建模

近期，手写数学表达式识别（HMER）因其在文档理解中的多样化应用而在模式识别领域受到了广泛关注。目前的方法通常将HMER视为自回归（AR）编码器-解码器框架内的图像到序列生成任务。然而，这些方法存在若干缺点：1) 缺乏整体语言上下文，限制了当前解码步骤之外的信息利用；2) 自回归解码过程中错误累积；3) 解码速度较慢。为了解决这些问题，本文首次尝试构建一种新颖的自底向上非自回归建模方法用于HMER，称为NAMER。NAMER包括一个视觉感知分词器（Visual Aware Tokenizer, VAT）和一个并行图解码器（Parallel Graph Decoder, PGD）。首先，VAT在粗略层面上对可见符号和局部关系进行分词。随后，PGD并行地细化所有分词并建立连接性，充分利用全面的视觉和语言上下文。在CROHME 2014/2016/2019和HME100K数据集上的实验表明，NAMER不仅在ExpRate指标上分别比现有最先进（SOTA）方法提高了1.93%、2.35%、1.49%和0.62%，而且在解码时间和整体帧率（FPS）上分别实现了13.7倍和6.7倍的速度提升，证明了NAMER的有效性和高效性。