NCAP：基于非分类先验的场景文本图像超分辨率

场景文本图像超分辨率（STISR）增强低分辨率图像的分辨率和质量。不同于以往将场景文本图像视为自然图像的研究，近期采用文本先验（TP）的方法（从预训练文本识别器中提取）显示出卓越的性能。然而，两个主要问题仍待解决：（1）显式的分类先验如 TP 在错误情况下可能负面影响 STISR。我们揭示了这些显式先验不稳定，并提出用 penultimate 层表示替换它们的 Non-CAtegorical Prior（NCAP）。（2）用于生成 TP 的预训练识别器在低分辨率图像上表现不佳。为此，大多数研究在训练时联合训练识别器与 STISR 网络，以弥合低分辨率和高分辨率图像之间的领域差距，但会导致该先验模态出现过度自信现象。我们指出了这一问题，并提出通过混合硬标签和软标签来缓解其影响。在 TextZoom 数据集上的实验表明，我们的方法性能提升 3.5%，且在四个文本识别数据集上 generalization 性能提升 14.8%。该方法可推广至所有 TP 指导的 STISR 网络。