DocDeshadower：面向文档阴影去除的频率感知Transformer
计算机视觉与模式识别
2024-07-31 v2
摘要
扫描文档中的阴影因其对视觉质量和可读性的负面影响，给文档分析与识别任务带来显著挑战。当前的阴影去除技术，包括传统方法和深度学习方法，在处理不同阴影强度以及保留文档细节方面存在局限。为解决这些问题，我们提出 DocDeshadower，一种基于拉普拉斯金字塔构建的新型多频率 Transformer 模型。该方法将阴影图像分解为多个频带，并采用两个关键模块：用于低频阴影去除的注意力聚合网络（Attention-Aggregation Network）和用于全局精化的门控多尺度融合 Transformer（Gated Multi-scale Fusion Transformer）。DocDeshadower 能在不同尺度上有效去除阴影，同时保留文档内容。大量实验表明，DocDeshadower 相比当前最优（SOTA）方法具有更优性能，凸显其在显著提升文档阴影去除技术方面的潜力。代码见 https://github.com/leiyingtie/DocDeshadower。
引用
@article{arxiv.2307.15318,
title = {DocDeshadower: Frequency-Aware Transformer for Document Shadow Removal},
author = {Ziyang Zhou and Yingtie Lei and Xuhang Chen and Shenghong Luo and Wenjun Zhang and Chi-Man Pun and Zhen Wang},
journal= {arXiv preprint arXiv:2307.15318},
year = {2024}
}
备注
Accepted by IEEE International Conference on Systems, Man, and Cybernetics 2024