ECCVJul, 2022

动态低分辨率蒸馏用于高效端到端文本检测

PDF
TL;DR本文提出了一种全新的具有成本效益的动态低分辨率蒸馏（DLD）文本识别框架，其中采用了分辨率选择器来动态确定不同图像的输入分辨率，并对文本识别分支进行了连续知识蒸馏策略，使低分辨率图像的性能得到了改善。
text spottingdynamic low-resolution distillationsequential knowledge distillationresolution selectorend-to-end optimization
发现论文，激发创造
  • 低分辨率检测的多尺度对齐蒸馏

    使用知识蒸馏技术提高低分辨率模型性能，同时采用对齐多尺度训练方法与特征级融合技术，方法在目标检测任务中表现优异。

    Sep, 2021

  • 一阶段低分辨率文本识别及高分辨率知识迁移

    通过使用新颖的知识蒸馏框架，从高分辨率图像中将知识传递到低分辨率输入，实现了低分辨率文本识别的有效性和效率的显著提升。

    Aug, 2023

  • 自然场景下端到端文本识别

    该研究提出了一种统一的网络，同时定位和识别文本，通过使用卷积特征和 $2$D 注意力模型实现对任意形状文本的鲁棒定位和识别，避免了中间过程，取得了包括正常及不规则文本在内的多个标准数据集的最佳表现。

    Jun, 2019

  • You Only Recognize Once: 面向快速视频文本定位

    本文提出了一种快速且强健的视频文本识别框架，通过一次性识别局部文本，避免了针对每一帧的文本识别，使用文本推荐器从文本流中选择高质量文本并仅对其进行识别，大大加快了视频文本识别的速度，在公共基准测试中实现了显著的最先进效果，并推出了一个促进视频文本识别社区发展的数据集（LSVTD）.

    Mar, 2019

  • 图文检索的动态对比蒸馏

    本研究提出了一种名为 DCD 的新型动态对比蒸馏框架，用于压缩大型 VLP 模型以改善跨模态图像文本检索（ITR）的效率和部署，其中涉及多模态对比学习、动态蒸馏等技术，实验证明在 MS-COCO 和 Flickr30K 基准上，将 DCD 策略应用于两种最先进的视觉语言预训练模型 VILT 和 METER 可加快推断至少 129 倍。

    Jul, 2022

  • 朝着无约束的端到端文本检测

    一项新的网络模型使用实例分割方法和注意力模型识别和提取曲线形状的文本内容，并使用多步光学字符识别引擎提高识别准确性，大幅度领先现有模型的准确性。

    Aug, 2019

  • 基于卷积递归神经网络的端到端文本定位

    该论文提出了一种基于卷积循环神经网络的统一网络，该网络可以同时定位和识别文本，通过端到端训练，提高了性能，在多个基准数据集上取得了竞争性的表现。

    Jul, 2017

  • EdgeFusion：设备端文本到图像生成

    通过对稳定扩散（SD）的高效计算负担进行改进，我们提出了两种策略，即利用先进的生成模型和为 LCM 定制的先进蒸馏流程，通过量化、剖析和资源有限的边缘设备上的部署，实现了在仅两步、低于一秒的延迟下，生成具有照片写实风格、与文本对齐的图像。

    Apr, 2024

  • 尺度至上 -- 自适应缩放的高效文本检测

    通过基于分割网络的特征估计方法，实现对图像文本的快速准确定位和检测，并在 ICDAR15 和 ICDAR17 MLT 基准测试中取得了很好的性能表现。

    Jul, 2019

  • 一个类别一个提示：使用扩散模型进行数据集精炼

    利用生成式文本到图像模型的最新进展，我们引入了数据集精炼使用扩散模型 (D3M) 作为一种新的数据集精炼范式。通过文本反演技术，我们利用学习到的文本提示为大型数据集创建简洁且有信息量的表示，以在固定的内存预算内有效地存储和推理新样本，并通过在不同内存预算下在各种计算机视觉基准数据集上进行的广泛实验验证了我们方法的有效性。

    Mar, 2024