CVPRMar, 2022

面向空间变形鲁棒的文本关注网络用于场景文本图像超分辨率

PDF
TL;DR本论文介绍了基于 CNN 的文本超分辨率方法，其中包括文本识别、文本先验信息提取和全局注意机制等技术，并通过在 TextZoom 数据集上的实验验证了该方法的良好性能和准确性。
scene text image super-resolutionconvolutional neural networkstext recognitiontransformer-based moduletext structure consistency loss
发现论文，激发创造
  • 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

  • 基于文本注意力的卷积神经网络用于场景文本检测

    本文提出了一种基于卷积神经网络的文本 - 卷积神经网络 (Text-CNN) 用于场景文本检测的系统，并通过多层和丰富的监督信息，包括文本区域掩模、字符标签和二分类文本 / 非文本信息来训练 Text-CNN 以提高其判别效能和鲁棒性。最终，该方法在 ICDAR 2013 数据集上取得了很好的效果。

    Oct, 2015

  • 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

  • 基于 Transformer 的场景文本识别

    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

  • 使用 2D 自注意力网络识别任意形状的文本

    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

  • 基于整体表征的引导注意力网络用于场景文字识别

    本研究提出一种基于全局特征引导注意力的二维卷积神经网络和序列解码器来识别场景文本的简单但强大方法，训练时仅使用单词级别的注释，相比循环神经网络，能够在前向和后向传递中获得 1.3x 至 9.4x 不等的加速。在评估的正常和不规则的场景文本基准数据集上实现了最先进或竞争性的识别性能。

    Apr, 2019

  • 使用注意力卷积序列建模技术识别场景文本

    本文提出了基于注意力卷积网络的端到端场景文本识别方法，通过卷积神经网络 (CNN) 代替循环神经网络 (RNN) 来实现输入序列的上下文依赖关系的准确捕捉，提高了识别效率，并结合残余注意力模块进一步提高特征识别的准确性。该方法在多个数据集上验证结果显示了显著的性能优势。

    Sep, 2017

  • 具有可变形注意力的视觉 Transformer

    本文介绍了一种新颖的变形注意力模块，提出了 Deformable Attention Transformer，通过变形注意力实现了基于图像分类和密集预测任务的骨干模型，并在广泛的基准测试中取得了显著的改进。

    Jan, 2022

  • 使用金字塔注意网络的 Mask R-CNN 进行场景文字检测

    本文提出了基于 Mask R-CNN 技术的文本检测新方法，应用金字塔注意力网络作为新的 Mask R-CNN 骨干网络以提高其特征表达能力，该方法可以统一地在自然场景图像中稳健地检测多定向和曲线文本，并在多种测试数据集上获得优越的性能。

    Nov, 2018

  • 基于扩散的先验增强注意力网络用于场景文本图像超分辨率

    本文提出了一种 Prior-Enhanced Attention Network（PEAN），通过扩散模块增强文本先验信息，以提高语义准确性，并利用基于注意力调制的模块来理解场景文本图像，从而生成可读的超分辨率图像。在 TextZoom 基准测试中，PEAN 取得了新的最先进结果。

    Nov, 2023