video text spotting | BriefGPT

关键词video text spotting

搜索结果 - 7

LOGO: 视频文本定位中的语言协作和字体感知模型
通过融合语言协同和字形感知模型（LOGO），我们的研究论文提出了一种语言协同分类器（LSC）来提升传统文本定位器的性能。我们的方法还引入了字形监督和视觉位置混合模块，以提高对嘈杂文本区域的识别准确性和获取更具辨识力的跟踪特征。通过对公共基准
PDFa month ago
GoMatching：基于长短期匹配的视频文字定位的简单基线
在本文中，我们提出了一种名为 GoMatching 的简单基线方法，通过在跟踪任务中集中训练的努力来提高视频文本识别的性能，同时在图像文本识别任务上保持强大的性能表现。通过添加重新评分头和设计长短期匹配模块，GoMatching 在两个公共
PDF6 months ago
GloTSFormer：全局视频文本定位变换器
提出了一种新颖的全局视频文本定位 Transformer 模型 GloTSFormer，利用高斯 Wasserstein 距离来指导帧间形态相关性，实现了视频文本定位的全局关联和多帧同时关联的目标，并在 ICDAR2015 视频数据集上进行
PDF6 months ago
使用光流估计合成逼真的场景文本视频
本文介绍了一种名为 FlowText 的视频文字合成技术，通过利用光流估计，在低成本的情况下合成大量的文本视频数据，用于训练强健的视频文字定位器。实验证明，将 TransDETR 等通用检测器与 FlowText 结合使用，可以在 ICDA
PDFa year ago
可扩展视频文本定位的遮罩标注
提出了一种基于可扩展的 SAMText 模型的可扩展的遮罩注释流程，用于视频文本定位，以解决现有数据集所具有的问题，并使用 SAMText 创建了一个包含 2400 个视频剪辑和超过 900 万个遮罩注释的大规模数据集，为该领域提供了新的研
PDFa year ago
使用 Transformer 进行端到端的视频文本识别
本研究基于 Transformer 序列建模，提出了一个简单而有效的端到端视频文本识别框架 TransDETR，它能够同时处理文本检测、跟踪和识别，通过两个主要优点：1) 在长序列中使用文本查询跟踪和识别每个文本，2) 在四个视频文本数据集
PDF2 years ago
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
PDF5 years ago