scene text | BriefGPT - AI 论文速递

关键词scene text

搜索结果 - 13

走向场景文本的场景文本翻译
通过一种名为 VTNet 的新型条件扩散方法，本文研究了从源语言（如英语）到目标语言（如中文）的 “视觉” 场景文本翻译任务，通过生成保留文本视觉特征，如字体、大小和背景的翻译图像来解决文字识别和翻译的挑战，并通过全面的实验和与相关方法的比
PDFa year ago
ECCV带有文本的房间数据集用于叠加文本检测
本文介绍了一份新的数据集，其中包含 25 种产品类别的 4836 张带有叠加和场景文本的房间内部图片。我们提供了数据集的详细信息和分析结果，并提出了一种基线方法，该方法利用字符區域感知文本检测框架引导分类模型进行文本检测。我们验证了我们的方
PDF2 years ago
CVPR基于场景文本的知识挖掘用于细粒度识别
提出了一种可进行场景文字图像语义挖掘、增强细粒度图像分类表示的端到端可训练网络，其通过三种模态：视觉特征提取、文本语义提取和相关背景知识相结合，利用 KnowBert 检索相关知识来进行语义表示，并在 Con-Text 和 Drink Bo
PDF2 years ago
TAP: 面向 Text-VQA 和 Text-Caption 的文本感知预训练
本文提出了一种名为 TAP 的方法，通过使用光学字符识别引擎生成的图像文字来预训练模型，从而帮助模型在三种模态 —— 文本单词、视觉对象和场景文本中学习更好的对齐表示，在多个任务上均表现出卓越的性能。
PDF4 years ago
StacMR: 场景文本感知的跨模态检索
本文提出了一个新的数据集，使得可以探索图像包含场景文本实例时的交叉检索。我们提出了几种方法，其中包括更好的场景文本感知交叉检索方法，它使用了来自标题和视觉场景文本的专门表示，并将它们调和在一个公共嵌入空间中。大量实验证实了这些方法从场景文本
PDF4 years ago
野外场景中的文本识别：一项调查
该论文总结了场景文本识别的基本问题和最新技术，提供了相关资源，指出了未来的研究方向。
PDF4 years ago
CVPR多模态图神经网络用于视觉场景联合推理
利用多模式图神经网络（MM-GNN）作为一种视觉问答（VQA）方法，通过将图像表示为由三个子图组成的图形，利用场景文本中的各种信息来提高节点特征，从而显著提高需要阅读场景文本的两项 VQA 任务的性能。
PDF4 years ago
基于上下文关注的多任务学习的单次拍摄任意形状文本检测器
本文提出了一种基于分割的新型文本检测器 “SAST”，它采用了基于全卷积网络（FCN）的上下文关注多任务学习框架来学习各种几何属性，以重构文本区域的多边形表示，实验结果表明 SAST 在准确性方面达到了更好或可比较的表现。
PDF5 years ago
ICDAR 2019 场景文本视觉问答竞赛
本文介绍了 ICDAR 2019 场景文本视觉问答比赛 (ST-VQA) 的最终结果和新数据集，包括 23038 张图像和 31791 个文本实例答案，涵盖广泛的情景。该竞赛共有 3 个递增的任务，需要理解场景中的文本并回答问题。提出了一种
PDF5 years ago
IJCAI基于无序序列框离散化的全向场景文字检测
本文提出了一种名为顺序无关盒离散（SBD）的新方法，通过将边界框离散化为关键边缘（KE），从而进一步推导出更有效的方法来提高检测性能，并通过实验证明该方法能够在多个文本检测基准测试中胜过最先进的方法。
PDF5 years ago
Pixel-Anchor：一种使用组合网络的快速方向场景文本检测器
该论文提出了一种名为 Pixel-Anchor 的新型神经网络框架，它通过特征共享和锚点级别的注意机制结合了语义分割和 SSD 来检测方向场景文本，并在公共数据集上取得了优异的文本定位准确度和运行速度。
PDF6 years ago
融合场景文本与视觉外观进行细粒度图像分类
本文提出了一种利用场景文本进行图像理解的方法，通过符号识别系统获取识别的单词和深层视觉特征的嵌入组合成一个可通过卷积神经网络进行优化的单一表示形式。通过引入注意力机制强化符号与图像之间的关系，不仅有效地提高分类准确率，而且可较大幅度提升产品
PDF7 years ago
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
PDF9 years ago