TextDoctor：基于块金字塔扩散模型的统一文档图像修复

真实文本文档的数字版本经常遭受诸如原文环境腐蚀、低质量扫描或人为干扰等问题。现有的文档修复和修复方法通常难以泛化到未见文档风格和处理高分辨率图像。为应对这些挑战，我们引入了TextDoctor，一种新颖的统一文档图像修复方法。受人类阅读行为的启发，TextDoctor从块中修复基本文本元素，然后将扩散模型应用于整个文档图像，而不是在特定文档类型上训练模型。为了处理不同的文本大小并避免高分辨率文档中常见的内存不足问题，我们提出了使用结构金字塔预测和块金字塔扩散模型。这些技术利用多尺度输入和金字塔块来增强全局和局部修复质量。在七个公共数据集上广泛的定性和定量实验验证了TextDoctor在恢复各种类型的高分辨率文档图像方面优于最先进的方法。