Marior：面向真实场景文档去扭曲的边距去除与迭代内容校正

相机拍摄的文档图像通常存在透视与几何形变。考虑到视觉美观度差以及 OCR 系统性能下降，对这些图像进行纠正是很有价值的。近期基于学习的方法高度关注精确裁剪后的文档图像。然而，这不足以克服实际挑战，包括带有大面积边距区域或无边距的文档图像。由于这种不实用性，用户在遇到大面积边距区域时难以精确裁剪文档。同时，对无边距图像进行去扭曲仍是一个难以解决的问题。据我们所知，目前仍没有完整且有效的流水线用于纠正真实场景中的文档图像。为解决该问题，我们提出了一种称为 Marior（边距去除与迭代内容校正，Margin Removal and Iterative Content Rectification）的新方法。Marior 遵循由粗到精的渐进策略，迭代式提升去扭曲质量与可读性。具体而言，我们将流水线划分为两个模块：边距去除模块（MRM）与迭代内容校正模块（ICRM）。首先，我们预测输入图像的分割掩码以去除边距，从而获得初步结果。随后，我们通过生成稠密位移流进一步细化图像，实现内容感知的校正。我们自适应地确定细化迭代次数。实验表明，我们的方法在公开基准上取得了最先进的性能。相关资源发布于 https://github.com/ZZZHANG-jx/Marior 以供进一步比较。