本文提出了一种基于弱监督学习的场景文本生成方法，通过跨语言生成，将场景文本图片的内容和样式特征分离，并引入整合式注意力模块和预先训练的字体分类器以保证生成图片的完整内容结构以及填补不同语言文本风格之间的差距，实验结果显示，该方法显著提高了场景文本识别精度。

Jun, 2023

本文提出了一种名为 FAST 的新颖无字体场景文本编辑框架，用于在保留自然和逼真外观的同时，同时在任意样式和位置生成文本，通过结合遮罩生成和样式转移。通过滤波机制去除背景干扰，使网络仅集中于需要编辑的文本区域，同时设计了文本样式转移模块以减轻不同字长度带来的挑战，实验证明该方法在质量和数量上优于现有方法。

Aug, 2023

本文提出了一种基于标签的大规模字体检索方法，通过构建包含近 20,000 字体、2,000 标签和数十万个字体 - 标签关系的数据集，设计了一种新型的生成特征学习算法，结合注意机制和识别 - 检索模型，有效提升了字体检索的性能。

Sep, 2019

这篇论文提出了一种名为 SATRN 的新型体系结构，受 Transformer 启发，利用自注意机制描述场景文本图像中字符的二维空间依赖性，能够识别任意形状的文本，效果可以打败现有的 STR 模型，尤其是在 “不规则文本” 基准测试中表现得非常出色。

Oct, 2019

本论文提出了一种基于 transformer 的简单但极其有效的场景文本识别方法，只需要空间注意力而不需要矫正图像，仅使用卷积特征图作为单词嵌入输入到 transformer 中，并在大规模实验中取得了显著的优越性能。

Mar, 2020

本文介绍用于场景文本识别的深度学习架构 GeoTRNet 的概念、理论、实现及实验结果，该架构专用于处理常规场景文本，只使用几何特征识别图像中的数字，具有优异的模型可部署性、数据隐私性、模型可靠性，同时具有最小化模型权重、更短的推理时间等优势。

Feb, 2023

利用字符图像重建网络（CIRN）对纵向中文文本进行识别，通过分离内容和方向信息，提高自然场景中横向和纵向文本的识别性能。

Sep, 2023

该研究提出了一种基于图卷积网络的文本推理（GTR）方法并将其应用于场景文本识别中，该方法可以利用像素之间的空间关联来提高文本识别的性能，并在六个具有挑战性的基准测试中获得最新的最佳结果。

Dec, 2021

通过结合语言知识和视觉模型，本研究提出了一种基于 Vision Transformer 和 Multi-Granularity Prediction 的 MGP-STR 算法，用于场景文本识别，取得了优异的识别结果。

Jul, 2023

本文提出了一种深度分解模型，用于字体分析，能够将内容与样式区分开来，并成功实现了从未见过的字体的笔画重构。

Oct, 2019