FlowText：基于光流估计合成真实场景文本视频
计算机视觉与模式识别
2023-05-08 v1
摘要
当前的视频文本 spotting 方法在充足标注训练数据的支撑下能够取得较好的性能。然而，人工标注数据耗时耗力。为克服这一问题，使用低成本的合成数据是一种有前景的替代方案。本文提出了一种名为 FlowText 的新型视频文本合成技术，其利用光流估计以低成本合成大量文本视频数据，用于训练鲁棒的视频文本 spotter。与现有聚焦于图像级合成的方法不同，FlowText 专注于利用光流合成连续帧间文本实例的时序信息。该时序信息对于视频序列中文本的准确跟踪与 spotting 至关重要，包括文本运动、形变、出现、消失、遮挡与模糊。实验表明，将 TransDETR 等通用检测器与所提 FlowText 结合，在 ICDAR2015video 与 ICDAR2013video 等多种数据集上取得了显著结果。代码已发布于 https://github.com/callsys/FlowText。
引用
@article{arxiv.2305.03327,
title = {FlowText: Synthesizing Realistic Scene Text Video with Optical Flow Estimation},
author = {Yuzhong Zhao and Weijia Wu and Zhuang Li and Jiahong Li and Weiqiang Wang},
journal= {arXiv preprint arXiv:2305.03327},
year = {2023}
}