基于级联文本笔画检测与擦除的场景文本去除

近期基于学习的方法在场景文本去除任务上展现出令人鼓舞的性能提升。然而，这些方法通常会残留部分文本痕迹，并得到视觉上不悦目的结果。在本工作中，我们提出了一种基于精确文本笔画检测的崭新“端到端”框架。具体而言，我们将文本去除问题解耦为文本笔画检测与笔画去除。我们设计了一个文本笔画检测网络和一个文本去除生成网络，分别求解这两个子问题。随后，我们将这两个网络组合为一个处理单元，并将该单元级联以得到最终的文本去除模型。实验结果表明，所提方法在定位与擦除场景文本方面显著优于当前最优方法。由于当前公开可用的数据集均为合成数据，无法恰当衡量不同方法的性能，因此我们构建了一个全新的真实世界数据集，该数据集将被发布以促进相关研究。