UnrealText：从虚拟世界合成逼真场景文本图像
计算机视觉与模式识别
2020-08-19 v6
摘要
合成数据一直是训练场景文本检测与识别模型的关键工具。一方面，合成词图像已被证明可成功替代真实图像来训练场景文本识别器。另一方面，场景文本检测器仍严重依赖大量人工标注的真实世界图像，而这类图像成本高昂。本文中，我们介绍 UnrealText，一种通过 3D 图形引擎渲染逼真图像的高效图像合成方法。3D 合成引擎通过将场景与文本作为整体进行渲染来提供逼真外观，并借助精确的场景信息（如法线乃至对象网格）实现更好的文本区域提议。综合实验验证了其在场景文本检测与识别上的有效性。我们还生成了多语言版本，以供未来多语言场景文本检测与识别研究使用。此外，我们以区分大小写的方式重新标注了场景文本识别数据集，并包含标点符号以进行更全面的评估。代码与生成的数据集发布于：https://github.com/Jyouhou/UnrealText/ 。
引用
@article{arxiv.2003.10608,
title = {UnrealText: Synthesizing Realistic Scene Text Images from the Unreal World},
author = {Shangbang Long and Cong Yao},
journal= {arXiv preprint arXiv:2003.10608},
year = {2020}
}
备注
adding experiments with Mask-RCNN