基于抠图的双重生成对抗网络用于图像与文档标签监督
计算机视觉与模式识别
2019-10-01 v1 多媒体
摘要
尽管已提出许多方法处理自然图像超分辨率(SR)并取得令人印象深刻的性能，但由于忽视文档图像，文本图像 SR 效果欠佳。本文提出一种基于抠图的双重生成对抗网络(mdGAN)用于文档图像 SR。首先，利用深度图像抠图将输入图像分解为文档文本、前景和背景层。然后构建两个并行分支分别恢复文本边界信息和颜色信息。此外，为提高输出图像中字符的恢复精度，我们使用输入图像对应的 ground truth 文本标签作为额外监督信息，在训练过程中精炼双分支网络。在真实文本图像上的实验表明，我们的方法在定量和定性上均优于几种最先进的方法。
引用
@article{arxiv.1909.12909,
title = {Deeply Matting-based Dual Generative Adversarial Network for Image and Document Label Supervision},
author = {Yubao Liu and Kai Lin},
journal= {arXiv preprint arXiv:1909.12909},
year = {2019}
}