CMFN: 跨模态融合网络用于不规则场景文字识别

本文介绍了一种新的跨模态突出片段增强对齐网络，通过降低非重要图片和文本片段的参与度，提高对重要片段的对齐相似性，从而实现改进的检索准确性。实验结果显示，该方法在 rSum 度量上的表现超过了现有方法约 5% 至 10%。