AAAIDec, 2021

Text Gestalt: 基于笔画的场景文本图像超分辨率

PDF
TL;DR本文提出了一种 Stroke-Aware Scene Text Image Super-Resolution 方法，通过设计规则分解英文字符和数字，设计 Stroke-Focused Module（SFM）以集中于字符的笔画级内部结构，旨在通过预训练文本识别器为位置提供笔画级别的注意力图，并控制所生成的超分辨率图像与高分辨率真实值之间的一致性，从而实现低分辨率场景文本图像识别的目的。
scene text recognitionsuper-resolutionstroke-aware scene text image super-resolutionstroke-level attention mapstext recognizer
发现论文，激发创造
  • 基于识别引导的内容感知文本超分辨率

    本文提出了一种基于内容感知的文本超分辨率网络，通过使用文本感知损失来指导超分辨率网络的训练，从而更加关注文本内容，有效提高了文本识别的性能。

    Sep, 2019

  • 野外场景文本图像超分辨率

    本文提出一种用于自然场景摄影下的低分辨率文本识别的新方法，该方法利用超分辨率技术对图像进行预处理，并开发了一种真实场景文本超分辨率数据集（TextZoom）。我们引入了三个新型模块，包括序列残差块、边界感知损失和中央对齐模块。通过对 TextZoom 数据集的广泛实验，我们证明了我们的 TSRN 模型具有显著提升低分辨率文本识别准确性的能力。

    May, 2020

  • 基于显式位置增强的鲁棒场景文本图像超分辨率

    本研究提出了一种名称为 LEMMA 的新方法，通过显式建模字符区域，生成具有高级文本特定引导的超分辨率图像，通过位置增强模块和多模态对齐模块提升字符区域的特征提取和视觉 - 语义对齐，并使用自适应融合模块将先验引导无缝融合到超分辨率分支中。在 TextZoom 和四个场景文本识别基准测试上的实验证明了本方法相对于其他最先进技术的优越性。

    Jul, 2023

  • 场景文本图像超分辨率的识别引导扩散模型

    在场景文本图像超分辨率的研究中，通过引入一种生成模型 RGDiffSR 和一种去噪网络 RGDN，本文通过语义引导实现了场景文本图像的高保真度图像增强，从而在文本识别准确度和图像保真度方面都取得了优于现有方法的结果。

    Nov, 2023

  • 基于文本先验引导的场景文本图像超分辨率

    本文介绍了一种多阶段文字先验指导的超分辨率 (STISR) 分类模型，在基准 TextZoom 数据集上表现出明显的改进，通过将字符概率序列作为文本先验嵌入到 STISR 模型训练中，以提高低分辨率场景文本图像的分辨率和视觉质量，从而有效提高现有 STISR 方法的文本识别精度。

    Jun, 2021

  • 提升光学字符识别：超分辨率方法

    本文总结了我们参加 ICDAR2015 文本图像超分辨率比赛的入门知识。根据 ICDAR2015 TextSR 数据集和 Tesseract-OCR 3.02 系统，我们的文本图像超分辨率框架取得了胜利，使用低分辨率图像作为输入，OCR 准确性得分为 77.19％，与使用原始高分辨率图像的 78.80％相当。

    Jun, 2015

  • 场景文本图像超分辨率：基于内容感知损失和交叉变换块的方法

    使用 Criss-Cross Transformer Blocks 和 Content Perceptual Loss，利用多尺度文本识别特征将内容意义有效地融入框架中，设计出了 TATSR 来提高文本图像的可读性和人类感知。在各种语言数据集上的广泛实验表明，TATSR 在识别精度和人类感知方面优于现有技术。

    Oct, 2022

  • 基于文本条件扩散模型的场景文本图像超分辨率

    本研究使用文本条件扩散模型（DMs）实现场景文本图像超分辨率（STISR）任务，并提出了一个针对合成低分辨率 - 高分辨率配对文本图像数据集的新框架，该框架包含三个专门的 DMs 模块，分别用于文本图像合成、超分辨率和图像退化。实验证明，使用这些合成图像对可显著提高 STISR 方法在 TextZoom 评估中的性能。

    Nov, 2023

  • C3-STISR: 三重线索场景文本图像超分辨率

    该论文提出了一种结合识别器反馈、视觉和语言信息的方法 C3-STISR 来引导超分辨率，通过有效的提取和融合机制，生成了全面和统一的引导， 在 TextZoom 上的实验表明，C3-STISR 在保真度和识别性能方面优于最先进的方法。

    Apr, 2022

  • 探索逐笔修改用于场景文本编辑

    提出了一种称为 MOSTEL 的新网络来处理场景文本编辑的两个主要问题：显式解耦结构和域差异。该方法利用笔划的导向图来明确指示文本区域进行编辑规则，并采用半监督混合学习来使模型适应实际数据集分布。实验结果表明，MOSTEL 在质量和数量上均优于之前的方法。

    Dec, 2022