该文汇总了多项弱监督与多语言文本检测研究：WeText利用少量全标注数据实现先进场景文本检测；多语言情感分类用弱监督数据训练卷积网络；SemiMTR结合自监督与监督学习提升多模态文本识别；TextTranSpotter无需昂贵定位标注即可比肩全监督方法；MULTITuDE提供11种语言机器生成文本检测基准。

该文章介绍了一种半监督的多模态文本识别方法，利用自监督学习和监督学习相结合的单一阶段，将现有的多模态场景文本识别方法拓展到了未标注数据的应用。该算法在多个场景文本识别基准测试上取得了最新成果。