FlexReader

FlexReader 模型为高效场景文本识别提供自适应解码

研究人员推出 FlexReader，这是一种新颖的场景文本识别 (STR) 模型，旨在提高效率和灵活性。FlexReader 包含一个子字符串感知模块来识别目标子字符串，并利用多个并行解码块进行逐字符解码。一项关键创新是自适应前缀解码，它根据字符置信度动态选择解码步长，从而优化每个输入的解码路径。这种方法使单个模型能够在包括长文本、弯曲文本或被遮挡文本在内的各种基准测试中实现卓越的准确性-效率权衡，与传统的自回归方法相比，速度提高了六倍。