ICCVAug, 2023

LISTER: 邻近解码用于长度无关的场景文字识别

PDF
TL;DR文本长度的多样性是文本的一个重要特征，而现有的景区文本识别方法大多只适用于短文本或已知长度的文本，缺乏识别长文本或进行长度推断的能力。因此，本文提出了一种称为 LISTER 的长度无关的场景文本识别方法，通过使用邻居解码器和特征增强模块来解决与不同文本长度相关的问题，并在实验验证中表现出明显的优越性。
scene text recognitiontext lengthslength-insensitive scene text recognizer (lister)neighbor decoderfeature enhancement module
发现论文，激发创造
  • 基于字长度的文本定位：增强稠密文本图像的检测和识别

    WordLenSpotter 是一种针对场景文本图像检测和识别的新型单词长度感知检测器，通过有效整合多尺度文本图像特征，迭代地优化文本区域图像特征，并利用单词长度先验性地约束感兴趣区域，增强网络捕捉长尾分布特征的能力。

    Dec, 2023

  • 多模态上下文学习使自适应场景文本识别器

    Scene text recognition (STR) in the wild faces challenges due to domain variations, font diversity, shape deformations, etc. Recent studies show that large language models (LLMs) can learn from a few demonstration examples using In-Context Learning (ICL). However, applying LLMs as a text recognizer is resource-consuming. To address this, the paper introduces E$^2$STR, a STR model trained with context-rich scene text sequences, demonstrating effective ICL capabilities with a regular-sized model and outperforming fine-tuned approaches.

    Nov, 2023

  • 端到端可训练的基于图像序列识别的神经网络及其在场景文本识别中的应用

    本文提出了一种新颖的神经网络架构，将特征提取、序列建模和转录集成到统一框架中，用于场景文本识别，相比现有算法其具有端到端训练，不需要一定的词典限制，更加适合实际应用等优点，在标准测试数据上展现出更好的性能。

    Jul, 2015

  • 单解码器双向场景文本识别

    介绍了一种使用单个解码器进行双向文本解码的新型双向美术场景文本识别方法 Bi-STET，该方法比使用两个独立解码器进行双向解码的方法更高效，并在所有 STR 基准测试中实现或超越最先进的方法。

    Dec, 2019

  • 针对面向字符级别长尾分布的场景文本识别改进

    本研究提出了一种基于上下文感知模型和自由专家网络的场景文字识别系统，对字数众多的中国和韩国等语言的字符识别性能有较大提升，并且易于应用于各种场景文字识别模型。

    Mar, 2023

  • CLIP4STR: 使用预训练视觉语言模型的场景文本识别的简单基线

    介绍了 CLIP4STR，一种基于 CLIP 的简单而有效的场景文字识别方法，通过图像和文本编码器构建，具有双预测和精炼解码机制。实验表明，该方法在 11 个 STR 基准测试中达到了最新的最佳性能。

    May, 2023

  • 使用滑动卷积字符模型识别场景文本

    本文提出了一种基于卷积特征映射中的字符模型的场景文本识别方法，可以避免基于分割的识别方法中的字符分割困难，并且可以识别未知单词，与现有方法相比具有相对较小的模型大小和优秀的性能表现。

    Sep, 2017

  • SwinTextSpotter: 基于更好的文本检测与识别协同的场景文本定位

    本文提出了一种使用 transformer encoding 的新型端到端场景文本识别框架，并通过一种新的识别转换机制，在不需要额外的矫正模块或字符级别注释的情况下显式地引导文本定位，从而使该方法在多种数据集上显著优于现有方法。

    Mar, 2022

  • 利用短文本模型高效理解长文本

    提出了一种名为 SLED 的机制，通过对输入进行重叠切块、使用预训练过的短文本语言模型编码并在解码器中进行信息融合，从而实现处理长序列的目标，其竞争力与特定任务的大型模型不相上下。

    Aug, 2022

  • 遮盖和置乱隐式上下文学习用于场景文本识别

    本文提出了一种利用语言信息来增强场景文本识别模型鲁棒性的方法，通过将 Masked Language Modeling (MLM) 和 Permuted Language Modeling (PLM) 结合到一个单一解码体系结构中，引入特定数量的掩码标记来集成 MLM，实验结果表明，该模型在标准基准测试中使用 AR 和 NAR 解码程序均获得了最先进的性能。

    May, 2023