研究人员开发了ERN-Net，一种用于文档二值化的新方法，能够更好地处理退化的图像区域。该方法利用演进式推理节点和多尺度推理来增强模糊笔画、断裂字符和嘈杂背景。实验表明，ConvNeXt-Tiny在准确性和内存效率之间取得了良好的平衡，并且在DIBCO数据集上进行预训练可以在极短的额外训练时间内提升性能。 AI
影响 增强了文档图像处理能力，特别是在低数据和低内存场景下。
排序理由 这是一篇描述用于文档二值化新模型的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.11710v1 Announce Type: new Abstract: This paper presents ERN-Net, an Evolving Reason Node-Net for efficient document image binarization. ERN-Net enhances degradation-sensitive regions, such as faint strokes, broken characters, and noisy backgrounds, through evolving re…
This paper presents ERN-Net, an Evolving Reason Node-Net for efficient document image binarization. ERN-Net enhances degradation-sensitive regions, such as faint strokes, broken characters, and noisy backgrounds, through evolving reason nodes and multi-scale reasoning. We further…