Module cell_detection 

RT-DETR-L Cell Detection per tabelle (PaddleOCR PP-StructureV3 v2).

Modello: RT-DETR-L_wired_table_cell_det.onnx da kreuzberg-dev/paddle-to-onnx. Identica architettura a PP-DocLayoutV3 (entrambi RT-DETR family) ma:

• 1 sola classe (cell, no semantic categories)
• input fixed 640×640 (vs 800×800 di PP-DocLayoutV3)
• output [N, 6] = [class_id, score, x1, y1, x2, y2] (no reading_order)

Pipeline

1. Letterbox resize a 640×640 preservando aspect ratio (pad bottom/right con zeri normalize-space).
2. ImageNet normalize (mean=[.485,.456,.406] std=[.229,.224,.225] scale=1/255).
3. Inference con 3 input: im_shape, image, scale_factor. Il modello internamente rescala le bbox alle coords originali.
4. Filtra per conf_thresh + NMS IoU 0.5.

Uso architetturale

Unico modulo attivo per il riconoscimento tabelle. La struttura (righe / colonne) è dedotta geometricamente da derive_grid + grid_to_gfm senza un modello di structure recognition separato: funziona bene su tabelle business/legali italiane dove SLANet_plus (PP-StructureV3 v1) produceva skeleton vuoti per distribuzione fuori-dominio.

Structs

CellBbox

CellDetector

Constants

CELL_DETECT_INPUT_SIZE

Lato dell’input del modello RT-DETR-L cell det (fixed dal grafo ONNX).

Functions

derive_grid

Converte una lista di CellBbox (output del detector) in una griglia logica Vec<Vec<CellBbox>> (rows × cols), usando clustering centroid-Y per identificare le righe.

grid_to_gfm

Renderizza una griglia di celle come tabella GFM (Markdown). La prima riga viene trattata come header GFM (separator | --- |).