本文介绍了多种基于Transformer架构的文本定位和语义分割方法，如TextFormer、EFormer和EDAFormer。这些方法通过多任务建模、特征提取和自适应模块的结合，显著提高了文本检测和分割的准确性与效率，尤其在双语数据集和移动设备上表现优异。

本文提出了一种高效的低光环境文本定位方法，通过约束学习模块保留空间特征，提升文本特征描述的准确性。同时，基于多分支卷积神经网络的注意力引导方法，利用合成低光数据增强图像质量，表现优异。研究还介绍了低光图像增强算法及其评估平台，展示了低光条件下的图像处理技术进展。