本文提出了一种新的自监督文本擦除框架，通过联合学习合成图像和现实文本的擦除，实现无监督场景文本擦除。同时，研究介绍了一种基于像素级原型对比度的弱监督语义分割方法，以提高模型精度，并在多个数据集上评估，取得显著效果。