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。
完成下面两步后，将自动完成登录并继续当前操作。
