LISTER：用于长度不敏感场景文本识别的邻域解码器
计算机视觉与模式识别
2023-08-25 v1
摘要
长度的多样性构成了文本的一个显著特征。由于文本长度的长尾分布，大多数现有的场景文本识别（STR）方法仅在短文本或已见长度文本上表现良好，缺乏识别更长文本或进行长度外推的能力。这是一个关键问题，因为在实际应用中待识别文本的长度通常未预先给定，但先前工作未充分研究。因此，我们在本文中提出一种称为长度不敏感场景文本识别器（LISTER）的方法，其弥补了关于对各种文本长度鲁棒性的局限。具体而言，提出一种邻域解码器（Neighbor Decoder），借助一种新颖的邻域矩阵获得准确的字符注意力图，而与文本长度无关。此外，设计了一种特征增强模块，以低计算成本建模长程依赖，其能够与邻域解码器进行迭代以逐步增强特征图。据我们所知，我们首次实现了有效的长度不敏感场景文本识别。大量实验表明，所提LISTER算法在长文本识别与长度外推能力上表现出明显优势，同时在STR标准基准（主要为短文本）上与先前最先进方法相比具有竞争力。
引用
@article{arxiv.2308.12774,
title = {LISTER: Neighbor Decoding for Length-Insensitive Scene Text Recognition},
author = {Changxu Cheng and Peng Wang and Cheng Da and Qi Zheng and Cong Yao},
journal= {arXiv preprint arXiv:2308.12774},
year = {2023}
}
备注
ICCV 2023