勿忘我：基于局部-全局上下文建模的文本去除背景精确恢复
计算机视觉与模式识别
2022-07-22 v1
摘要
文本去除因其在隐私保护、文档修复和文本编辑等方面的多种应用而受到越来越多的关注。深度神经网络已使其取得显著进展。然而，现有大多数方法常对复杂背景生成不一致的结果。为解决此问题，我们提出一种上下文引导的文本去除网络，称为 CTRNet。CTRNet 利用低级结构和高级判别性上下文特征作为先验知识来引导背景恢复过程。我们进一步提出一种结合 CNN 与 Transformer-Encoder 的局部-全局内容建模（LGCM）模块，以捕获局部特征并建立像素间的全局长期关系。最后，我们将 LGCM 与上下文引导结合用于特征建模与解码。在基准数据集 SCUT-EnsText 和 SCUT-Syn 上的实验表明，CTRNet 显著优于现有的最先进方法。此外，在试卷上的定性实验也展示了我们方法的泛化能力。代码与补充材料可在 https://github.com/lcy0604/CTRNet 获取。
引用
@article{arxiv.2207.10273,
title = {Don't Forget Me: Accurate Background Recovery for Text Removal via Modeling Local-Global Context},
author = {Chongyu Liu and Lianwen Jin and Yuliang Liu and Canjie Luo and Bangdong Chen and Fengjun Guo and Kai Ding},
journal= {arXiv preprint arXiv:2207.10273},
year = {2022}
}