实体
IIIT5K
IIIT5K
PulseAugur coverage of IIIT5K — every cluster mentioning IIIT5K across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的二维位置编码提升Transformer场景文本识别能力
研究人员开发了一种新颖的二维旋转位置嵌入（2D-RoPE-STR）方法，以改进基于Transformer的场景文本识别（STR）。这种新方法通过更好地捕捉文本图像的二维空间结构来解决现有的一维位置编码的局限性，这对于处理弯曲、旋转和透视失真的文本至关重要。该方法引入了各向异性维度分配，并将旋转耦合扩展到编码器-解码器交叉注意力中，从而实现更准确的自回归解码。在六个标准基准上的评估显示，性能有了显著提升，尤其是在处理不规则文本布局方面。
-
新数据集和方法应对低光照场景文本识别挑战
研究人员推出了 LSTR，一个用于低光照场景文本识别的大规模数据集，以及 ESTR，一个包含真实夜间街景的小型评估集。他们探索了两种方法：微调现有的 OCR 模型和一种新颖的联合训练策略，该策略将低光照图像增强模块与 OCR 模型相结合。他们的研究结果表明，专门的、联合训练的以文本为中心的方法在低光照条件下优于独立的增强或 OCR 模型。