CLII: 通过跨模态预测交互进行视觉文本修复
原文中文，约300字，阅读约需1分钟。发表于：。图像修复任务中的文本信息补全和恢复方法在处理自然图像时表现良好，但对于包含场景文本的图像则不能正确恢复文本信息。为了解决这个问题，本文提出了基于跨模态预测交互模型的场景文本图像修复方法，用于图像修复和文本补全，通过整合图像和文本的互补信息来提高修复质量，并在现有的场景文本识别方法中应用该模型以提高对缺失像素的鲁棒性，实验证明该方法优于基准方法。
本文提出了一种基于跨模态预测交互模型的场景文本图像修复方法，用于修复和补全图像中的文本信息。该方法整合了图像和文本的互补信息，提高了修复质量，并在场景文本识别中提高了对缺失像素的鲁棒性。实验证明该方法优于基准方法。
