DTrOCR：用于光学字符识别的仅解码器 Transformer
计算机视觉与模式识别
2023-08-31 v1
摘要
典型的文本识别方法依赖编码器-解码器结构，其中编码器从图像提取特征，解码器从这些特征生成识别文本。本研究提出一种更简洁有效的文本识别方法，称为用于光学字符识别的仅解码器 Transformer（DTrOCR）。该方法使用仅解码器 Transformer，以利用在大规模语料上预训练的生成式语言模型。我们考察了在自然语言处理中成功的生成式语言模型是否也能在计算机视觉的文本识别中生效。实验表明，DTrOCR 在中英文印刷体、手写体与场景文本识别上，大幅优于当前最先进（SOTA）方法。
引用
@article{arxiv.2308.15996,
title = {DTrOCR: Decoder-only Transformer for Optical Character Recognition},
author = {Masato Fujitake},
journal= {arXiv preprint arXiv:2308.15996},
year = {2023}
}
备注
Accepted to WACV2024