新方法修复长文本场景文字识别问题

研究人员发现场景文字识别（STR）模型存在一种关键的失效模式，这类模型通常在短文本片段上进行训练，但在实际应用中遇到的长文本时会遇到困难。研究诊断出该问题主要源于编码器的宽度而非解码器的长度。虽然表示层面的修复能带来一些改进，但一种新颖的推理时解决方案涉及将长图像切分成重叠的块，独立解码每个块，然后使用编辑距离对齐来拼接结果。该方法在长文本基准（LTB）等基准测试中显著提高了单词准确率，在无需模型重新训练的情况下，达到了或超过了最先进的性能。 AI

影响 提高了AI模型从图像中读取长文本的准确性，这对于标牌和产品标签等应用至关重要。

排序理由 学术论文，详细介绍了一种新的场景文字识别方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• İzmir Adnan Menderes Airport
• Long Text Benchmark
• parseqs
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →