OCR/openspec/changes/extract-table-cell-boxes/tasks.md

Tasks: Extract Table Cell Boxes

Phase 1: 基礎設施

Task 1.1: 添加配置項

• 在 config.py 添加 enable_table_cell_boxes_extraction 配置
• 確認現有的表格模型配置可用

Task 1.2: 模型緩存機制

• 在 PPStructureEnhanced 中添加模型緩存屬性
• 實現延遲載入邏輯
• 添加模型釋放方法（可選）

Phase 2: Cell Boxes 提取

Task 2.1: 修改表格處理邏輯

• 在 _process_parsing_res_list 中添加 cell boxes 提取
• 實現圖片裁切邏輯
• 調用 SLANeXt 模型獲取結果

Task 2.2: 座標轉換

• 實現相對座標到全域座標的轉換
• 處理 ScalingInfo 的座標縮放
• 驗證座標轉換正確性

Task 2.3: 錯誤處理

• 添加 try-catch 包裝
• 實現失敗時的降級處理
• 添加適當的日誌記錄

Phase 3: PDF 生成優化

Task 3.1: 利用 Cell Boxes 渲染表格

• 修改 draw_table_region 使用 cell_boxes
• 根據實際 cell 位置計算行高列寬
• 測試渲染效果

Task 3.2: 備選方案

• 當 cell_boxes 不可用時，使用現有邏輯
• 確保向後兼容

Phase 4: 測試與驗證

Task 4.1: 單元測試

• 測試 cell boxes 提取功能
• 測試座標轉換
• 測試錯誤處理

Task 4.2: 整合測試

• 使用實際 PDF 測試 OCR Track
• 驗證 PDF 版面還原效果
• 性能測試

Phase 5: 清理

Task 5.1: 移除舊代碼

• 評估並移除不再需要的 Paragraph 包裝代碼
• 清理調試日誌
• 更新文檔

---

技術細節

關鍵代碼位置

文件	修改內容
backend/app/core/config.py	添加配置項
backend/app/services/pp_structure_enhanced.py	主要實現
backend/app/services/pdf_generator_service.py	利用 cell_boxes

依賴

from paddlex import create_model

測試數據

• Task ID: 79a3d256-88f6-41d4-a7e9-3e358c85db40
• 表格 bbox: [84, 269, 1174, 1508]
• 預期 cell 數量: 29 (SLANeXt_wired)

實現摘要

已完成 (715805b):

1. config.py: 添加 enable_table_cell_boxes_extraction 配置項
2. pp_structure_enhanced.py:
   • 添加 _slanet_wired_model, _slanet_wireless_model, _table_cls_model 緩存屬性
   • 實現 _get_slanet_model() 和 _get_table_classifier() 延遲載入
   • 實現 _extract_cell_boxes_with_slanet() 從裁切圖片提取 cell boxes
   • 實現 release_slanet_models() 釋放 GPU 記憶體
   • 修改表格處理邏輯，當 PPStructureV3 沒有返回 boxes 時調用 SLANeXt
3. pdf_generator_service.py:
   • 添加 _compute_table_grid_from_cell_boxes() 計算列寬和行高
   • 修改 draw_table_region() 優先使用 cell_boxes 計算列寬