BriefGPT - AI 论文速递
·
选择性场景文本去除
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文重新评估了场景文字识别（STR）的性能，并观察到常见基准的挑战程度较低。作者整理了一个大规模的真实STR数据集Union14M，评估STR在真实场景中的表现。13个模型在有标签图像上的平均准确率只有66.53％，并确定了STR领域的七个难题。作者发现通过自监督预训练利用未标记图像可以提高STR模型的鲁棒性，并取得了最先进的性能。
🎯
关键要点
- 本文重新评估了场景文字识别（STR）的性能。
- 常见基准的挑战程度较低，导致性能饱和的趋势。
- 整理了一个大规模的真实STR数据集Union14M，包括400万张带标签图像和1000万张未标记图像。
- 13个模型在400万张有标签图像上的平均准确率只有66.53%。
- 通过分析模型的错误模式，确定了STR领域的七个难题。
- 构建了一个以挑战为驱动的基准，包括八个独立子集，以促进该领域的发展。
- 利用自监督预训练可以显著提高STR模型的鲁棒性，并取得最先进的性能。
➡️
