UDoc-GAN：基于背景光先验的非配对文档光照校正
计算机视觉与模式识别
2022-10-18 v1
摘要
移动设备拍摄的文档图像常因不可控光照而退化，影响文档内容的清晰度。近来，一系列研究致力于校正不均匀的文档光照。然而，现有方法很少考虑环境光信息的使用，且通常依赖于包含退化图像与校正后真值图像的配对样本，而这类样本并非总可获得。为此，我们提出 UDoc-GAN，这是首个在非配对设定下解决文档光照校正问题的框架。具体而言，我们首先预测文档的环境光特征。然后，根据不同层级环境光的特征，我们重新构造循环一致性约束，以学习正常与异常光照域之间的潜在关系。为证明方法的有效性，我们在 DocProj 数据集上于非配对设定下进行了大量实验。与最先进的方法相比，我们的方法在字符错误率（CER）和编辑距离（ED）方面展现出有前景的性能，并在文本细节保持上获得更好的定性结果。源代码现已公开于 https://github.com/harrytea/UDoc-GAN。
引用
@article{arxiv.2210.08216,
title = {UDoc-GAN: Unpaired Document Illumination Correction with Background Light Prior},
author = {Yonghui Wang and Wengang Zhou and Zhenbo Lu and Houqiang Li},
journal= {arXiv preprint arXiv:2210.08216},
year = {2022}
}