手持视频文档扫描：一种用于多页文档扫描的鲁棒端侧模型
计算机视觉与模式识别
2024-11-04 v1
摘要
智能手机上的文档采集应用已成为数字化文档的流行工具。对许多人而言，使用智能手机采集文档比使用专用复印机或扫描仪更方便，即使数字化质量较低。然而，当用户需要数字化多页文档时，使用智能手机会变得极其耗时且繁琐。在本工作中，我们提出了一种新颖的方法，可自动从视频流中扫描多页文档，用户在扫描过程中翻动文档页面。与先前需要三脚架等受限设置的方法不同，我们的技术设计允许用户手持手机。我们的技术经过训练，能够对手持扫描中固有的运动和不稳定性保持鲁棒。本工作的主要贡献包括：(1) 一个高效、准确且鲁棒的端侧深度学习模型，(2) 一种用于视频文档扫描的新颖数据采集与标注技术，以及 (3) 在 PUCIT 翻页数据集上取得的最先进结果。
引用
@article{arxiv.2411.00576,
title = {Handheld Video Document Scanning: A Robust On-Device Model for Multi-Page Document Scanning},
author = {Curtis Wigington},
journal= {arXiv preprint arXiv:2411.00576},
year = {2024}
}