ICDAR 2023 面向密集与小文本的的视频文本读取竞赛
计算机视觉与模式识别
2023-04-11 v1
摘要
近年来，自然场景中的视频文本检测、跟踪与识别在计算机视觉界变得非常流行。然而，大多数现有算法与基准聚焦于常见文本情形（如正常尺寸、密度）与单一场景，而忽略了极端视频文本挑战，即多种场景中的密集与小文本。在本竞赛报告中，我们建立了一个视频文本读取基准 DSText，其聚焦于多种场景下视频中密集与小文本的读取挑战。相较于先前的数据集，所提数据集主要包括三个新挑战：1) 密集视频文本，这是视频文本定位器的新挑战。2) 高占比小文本。3) 多种新场景，如游戏、体育等。所提 DSText 包含来自 12 个开放场景的 100 个视频片段，支持两项任务（即视频文本跟踪（任务 1）与端到端视频文本定位（任务 2））。在竞赛期间（2023 年 2 月 15 日开放，2023 年 3 月 20 日关闭），共有 24 支队伍参与了三项所提任务，每项分别约有 30 份有效提交。本文中，我们描述了数据集、任务、评估协议以及 ICDAR 2023 DSText 竞赛的结果摘要的详细统计信息。此外，我们希望该基准能推动学界中的视频文本研究。
引用
@article{arxiv.2304.04376,
title = {ICDAR 2023 Video Text Reading Competition for Dense and Small Text},
author = {Weijia Wu and Yuzhong Zhao and Zhuang Li and Jiahong Li and Mike Zheng Shou and Umapada Pal and Dimosthenis Karatzas and Xiang Bai},
journal= {arXiv preprint arXiv:2304.04376},
year = {2023}
}