APRNet：基于注意力的像素级渲染网络用于照片级真实文本图像生成
计算机视觉与模式识别
2022-03-16 v1
摘要
风格引导的文本图像生成试图通过模仿参考图像的外观来合成文本图像，同时保持文本内容不变。文本图像外观包含诸多方面。本文中，我们专注于将风格图像的背景与前景颜色模式迁移到内容图像，以生成照片级真实的文本图像。为实现该目标，我们提出：1）一种基于内容-风格交叉注意力的像素采样方法，以粗略模仿风格文本图像的背景；2）一种像素级风格调制技术，将风格图像中变化的颜色模式以空间自适应方式迁移到内容图像；3）一种基于交叉注意力的多尺度风格融合方法，以解决风格与内容图像间文本前景错位问题；4）一种图像块打乱策略，用于创建风格、内容与真值图像三元组以供训练。在 SCUT-HCCDoc 与 CASIA-OLHWDB 数据集上的中文手写文本图像合成实验结果表明，所提方法能提升合成文本图像的质量并使其更具照片级真实感。
引用
@article{arxiv.2203.07705,
title = {APRNet: Attention-based Pixel-wise Rendering Network for Photo-Realistic Text Image Generation},
author = {Yangming Shi and Haisong Ding and Kai Chen and Qiang Huo},
journal= {arXiv preprint arXiv:2203.07705},
year = {2022}
}