该文综述多种OCR新方法：TrOCR采用图像与文本Transformer实现端到端识别，性能优于现有模型；DTrOCR利用生成式Transformer提升印刷、手写和场景文本识别；LevOCR基于视觉语言Transformer并行解码；此外还涉及无分割系统、布局感知语言模型、TextOCR及历史文献纠错等，均提高了识别准确率。

该文汇总了场景文本与人脸识别领域多项研究：提出高斯约束注意力网络缓解注意扩散，采用字符锚定与锚池化模块识别不规则文本，引入描述指导提升人脸识别，设计文本特征对齐与位置感知NMS改进文本检测，提出文本引导人脸识别，构建Text-CNN检测文本，提出SAM注意力分组模型，采用字符注意力全卷积网络识别文本，以字符级神经网络检测曲线文本，并实现端到端文本定位识别。