FASTER：一种字体无关的的场景文本编辑与渲染框架

场景文本编辑（STE）是一个具有挑战性的研究问题，主要旨在修改图像中已有文本，同时保留原始文本的背景与字体风格。尽管其在众多真实世界应用中十分有用，现有的基于风格迁移的方法因（1）复杂的图像背景、（2）多样的字体属性、以及（3）文本内变化的词长而表现出较差的编辑性能。为解决此类局限，本文提出一种新颖的字体无关的场景文本编辑与渲染框架，名为 FASTER，用于同时在任意风格与位置生成文本，同时保留自然真实的外观与结构。我们提出了目标掩码生成与风格迁移单元的结合融合，以及级联自注意力机制，以聚焦于多级文本区域编辑来处理变化的词长。在真实世界数据库上的广泛评估及进一步的主观人工评估研究表明，FASTER 在场景文本编辑与渲染任务上于模型性能与效率方面均具优越性。我们的代码将在录用后发布。