PEAN：一种基于扩散的先验增强注意力网络用于场景文本图像超分辨率

场景文本图像超分辨率（STISR）旨在同时提升低分辨率场景文本图像的分辨率与可读性，从而增强下游识别任务的性能。场景文本图像中的两个因素——视觉结构与语义信息——显著影响识别性能。为缓解这些因素的影响，本文提出一种先验增强注意力网络（PEAN）。具体而言，利用基于注意力的调制模块，通过巧妙感知图像的局部与全局依赖来理解场景文本图像，而不受文本形状影响。同时，开发了基于扩散的模块以增强文本先验，从而为SR网络提供更好的引导以生成具有更高语义准确性的SR图像。此外，采用多任务学习范式优化网络，使模型能够生成清晰的SR图像。因此，PEAN在TextZoom基准上确立了新的SOTA结果。实验还分析了增强文本先验作为提升SR网络性能手段的重要性。代码见 https://github.com/jdfxzzy/PEAN。