能否开源训练数据

[shudct]

表格识别任务，查看预训练模型发现训练数据来源三个数据集：

能否开源这部分数据用于表格识别做进一步的优化

[SWHL]

这个开源不太可能，不过可以自己生成啊，用这个TableGeneration

[shudct]

伪造的数据训练后在真实数据上评估质量很差的

[GreatV]

pubtabnet 和 wtw 都是开源的数据集

[shudct]

pubtabnet部分cell的坐标是文字，hwl的是单元格，这部分，你们有做什么特别处理吗？

WTW标注的是xml，github自带的xmltohtml脚本有问题，想问下你们是怎么处理这部分数据的？