本文重新评估了场景文字识别（STR）的性能，并提出了一个大规模的真实STR数据集Union14M。实验证明STR在真实场景中仍面临许多挑战。作者通过分析模型的错误模式确定了STR领域的七个难题，并构建了一个以挑战为驱动的基准。作者发现自监督预训练可以显著提高STR模型在真实场景中的鲁棒性。

本文重新评估了场景文字识别（STR）的性能，并提出了挑战驱动的基准。作者整理了大规模真实STR数据集，发现STR在真实场景中仍面临挑战。通过自监督预训练，作者提高了STR模型的鲁棒性。

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。