Mar, 2020

利用视觉关系和图卷积网络进行任意形状场景文本检测

PDF
TL;DR本论文提出了一种名为 ReLaText 的新型任意形状文本检测方法，通过采用将文本检测转化为视觉关系检测问题的方法，使用基于锚点自由区域提案网络的文本检测器以及基于图卷积网络（GCN）的链接关系预测模块，实现了更为准确和高效的文本检测。实验结果表明，ReLaText 达到了 5 个公共文本检测基准（RCTW-17、MSRA-TD500、Total-Text、CTW1500 和 DAST1500）的最佳性能。
发现论文，激发创造
  • 深度关系推理图网络用于任意形状文本检测

    本文提出了一种基于关系推理图网络的新型统一任意形状文本检测方法，其中使用 CNN 和 GCN 构建创新的局部图模型将任意形状文本实例划分成一系列小矩形组件，通过深度的关系推理网络进行推理，实验表明该方法在公开数据集上具有最先进的性能。

    Mar, 2020

  • 扩散模型中的关系矫正

    通过改进文本编码器和使用异构图卷积网络模型 (HGCN)，我们提出了一种名为关系修正的新任务，以确保大型文本到图像扩散模型能够准确表示特定的视觉关系。我们在包含关系词和反转物体顺序的提示对中进行了优化，保留了文本编码器和扩散模型的参数，从而在处理无关描述时保持了模型的稳健性，并在一个多样的关系数据集上验证了我们的方法，显示出在生成具有精确视觉关系的图像方面的定量和定性改进。

    Mar, 2024

  • 探究图像关系以用于图像描述

    本文介绍了一种利用图卷积网络和长短期记忆（GCN-LSTM）结构，将语义和空间对象关系集成到图像编码器中，以生成图像标题的新方法，并在 COCO 图像字幕数据集上开展了广泛的实验，并取得了比现有方法更好的结果。

    Sep, 2018

  • 利用神经场景图生成器学习视觉关系先验用于图像文本匹配和图像字幕生成

    通过结合神经场景图生成器和最先进的模型，我们的实验表明用于促进语言到视觉关系的关系特征能够显著改进标准的 Flickr30K 和 MSCOCO 基准测试，在端到端的视觉和语言应用中捕获视觉关系。

    Sep, 2019

  • 关系图卷积网络用于情感分析

    我们提出了使用关系图卷积网络（RGCNs）进行情感分析的方法，该方法通过捕捉作为图中节点表示的数据点之间的依赖关系，提供了解释性和灵活性。通过在亚马逊和 Digikala 数据集上使用预训练的语言模型（如 BERT 和 RoBERTa）与 RGCN 架构进行产品评论的情感分析，并评估结果，我们证明了我们方法的有效性。我们的实验证明了 RGCNs 在捕捉情感分析任务的关系信息方面的有效性。

    Apr, 2024

  • 自适应文本区域表示的任意形状场景文本检测

    提出了使用适应性文本区域表示的鲁棒场景文本检测方法，利用文本区域提案网络提取文本提案，再通过细化网络对提案进行验证和优化。实验结果在五个基准上表明，这种方法在场景文本检测方面达到了最先进水平。

    May, 2019

  • 自适应边界建议网络用于任意形状文本检测

    该文提出一种基于神经网络的边界生成方法，能够直接生成准确的任意形状文本边界而无需后处理，实验表明该方法在公开数据集上取得了良好的效果。

    Jul, 2021

  • 从结构文本生成视觉关系感知图像

    本文提出了一种基于视觉关系布局模块和堆叠式 GAN 网络的端到端图像生成方法，通过使用结构化文本中实体之间的关系，能够以高分辨率、保持场景结构的方式生成真实的图像。

    Aug, 2019

  • 关系变换网络

    该论文提出了一种新颖的 transformer 模型，用于场景图生成和关系预测，利用编码器 - 解码器架构和节点和边的丰富特征嵌入，通过自我注意力和交叉注意力模拟节点之间和边与节点之间的交互，并引入适用于处理解码器中的边的新的位置嵌入。

    Apr, 2020

  • 低秩逼近网络高效准确的场景文字检测

    提出了一种名为 LRANet 的文本检测器，该方法基于双重匹配方案用于正样本，利用低秩近似的文本轮廓表示方法来处理不规则形状文本，提高速度与准确性，并在三个数据集上展示了该方法的比较优越性。

    Jun, 2023