CharDiff-LP：基于字符级引导的车牌图像恢复扩散模型
计算机视觉与模式识别
2025-12-22 v2 人工智能
摘要
车牌图像恢复不仅是车牌识别的预处理步骤，也是增强证据价值、提高视觉清晰度以及实现车牌图像更广泛再用的关键步骤。我们提出一种新型基于扩散的框架，采用字符级引导，即 CharDiff-LP，有效恢复受现实条件下严重退化的车牌图像。CharDiff-LP 通过针对低质量车牌图像的外部分割和光学字符识别（OCR）模块提取的细粒度字符级先验信息。为了实现精确且聚焦的引导，CharDiff-LP 融入了一种新颖的字符引导注意力通过区域掩码的机制（CHARM），确保每个字符的引导受限于其自身区域，从而避免与其他区域的干扰。在实验中，CharDiff-LP 在恢复质量和识别准确性方面均显著优于基准恢复模型，在 Roboflow-LP 数据集上相对于最佳基准模型实现了 28.3% 的字符错误率（CER）相对降低。
引用
@article{arxiv.2510.17330,
title = {CharDiff-LP: A Diffusion Model with Character-Level Guidance for License Plate Image Restoration},
author = {Kihyun Na and Gyuhwan Park and Injung Kim},
journal= {arXiv preprint arXiv:2510.17330},
year = {2025}
}
备注
15 pages, 6 figures, 4 tables