实体
Total-Text
Total-Text
PulseAugur coverage of Total-Text — every cluster mentioning Total-Text across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
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
-
ET-SAM框架利用SAM加速场景文本分析
研究人员开发了ET-SAM，一个旨在利用Segment Anything Model (SAM) 提高场景文本检测和布局分析效率及数据利用率的新框架。ET-SAM引入了一个轻量级点解码器，可生成单词热图，显著减少了对过多前景点提示的需求，并将推理速度比以前基于SAM的方法加快了约三倍。该框架还采用了一种联合训练策略，有效地结合了具有异构文本级标注的数据集，在多个基准数据集上取得了具有竞争力的性能和平均11.0%的F分数提升。
-
新的SAME-Net框架在场景文本识别方面达到最先进水平
研究人员开发了一种新的端到端场景文本识别框架SAME-Net，它统一了文本检测和识别，而无需字符级标注或单独的文本校正模块。该系统包含一个新颖的软注意力掩码嵌入（SAME）模块，该模块使用Transformer编码器生成精炼的、边界感知的掩码，有效减少背景噪声。这种方法通过可微分反向传播实现检测和识别目标的联合优化。SAME-Net在Total-Text和ICDAR 2015等具有挑战性的数据集上展示了最先进的性能。