論文の概要: MataDoc: Margin and Text Aware Document Dewarping for Arbitrary Boundary
- arxiv url: http://arxiv.org/abs/2307.12571v1
- Date: Mon, 24 Jul 2023 07:39:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-25 15:24:06.911762
- Title: MataDoc: Margin and Text Aware Document Dewarping for Arbitrary Boundary
- Title(参考訳): MataDoc: 任意境界のためのマージンとテキスト対応ドキュメントのデワープ
- Authors: Beiya Dai, Xing li, Qunyi Xie, Yulin Li, Xiameng Qin, Chengquan Zhang,
Kun Yao, Junyu Han
- Abstract要約: 本稿では,任意の境界文書のデワープに着目した最初の手法であるMataDocを提案する。
具体的には、境界知覚を高めるために背景整合性を明示的に考慮し、マージン正則化を設計する。
そこで本研究では,MataDocの総合評価を行うために,任意の境界を持つ文書画像からなる新しいベンチマークArbDocを提案する。
- 参考スコア(独自算出の注目度): 21.526328229779967
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Document dewarping from a distorted camera-captured image is of great value
for OCR and document understanding. The document boundary plays an important
role which is more evident than the inner region in document dewarping. Current
learning-based methods mainly focus on complete boundary cases, leading to poor
document correction performance of documents with incomplete boundaries. In
contrast to these methods, this paper proposes MataDoc, the first method
focusing on arbitrary boundary document dewarping with margin and text aware
regularizations. Specifically, we design the margin regularization by
explicitly considering background consistency to enhance boundary perception.
Moreover, we introduce word position consistency to keep text lines straight in
rectified document images. To produce a comprehensive evaluation of MataDoc, we
propose a novel benchmark ArbDoc, mainly consisting of document images with
arbitrary boundaries in four typical scenarios. Extensive experiments confirm
the superiority of MataDoc with consideration for the incomplete boundary on
ArbDoc and also demonstrate the effectiveness of the proposed method on
DocUNet, DIR300, and WarpDoc datasets.
- Abstract(参考訳): 歪んだカメラキャプチャ画像からの文書デワープは、OCRと文書理解にとって非常に重要である。
文書境界は、文書のデウォープにおいて、内部領域よりも明らかな重要な役割を果たす。
現在の学習ベース手法は主に完全境界の場合に焦点を当てており、不完全境界を持つ文書の文書修正性能が劣っている。
これらの手法とは対照的に,本論文ではマージンとテキスト認識正規化を用いた任意の境界文書の変形に着目した最初の手法であるmatadocを提案する。
具体的には,境界知覚を増大させるために背景整合性を明示的に考慮し,マージン正規化を設計する。
さらに,単語位置の一貫性を導入し,テキスト行を正書画像にそのまま保持する。
そこで本研究では,MataDocの総合評価を行うために,任意の境界を持つ文書画像からなる新しいベンチマークArbDocを提案する。
ArbDoc上の不完全境界を考慮したMataDocの優位性を確認し、DocUNet, DIR300, WarpDocデータセットにおける提案手法の有効性を実証した。
関連論文リスト
- DocAligner: Annotating Real-world Photographic Document Images by Simply
Taking Pictures [24.76258692552673]
そこで本稿では,手作業によるアノテーション処理を簡易に表現するDocAlignerを提案する。
写真用文書画像とその清潔な画像との密接な対応を確立することで、これを実現する。
ドキュメントイメージの特徴を考えると、DocAlignerはいくつかの革新的な特徴を取り入れている。
論文 参考訳(メタデータ) (2023-06-09T08:29:15Z) - DocMAE: Document Image Rectification via Self-supervised Representation
Learning [144.44748607192147]
文書画像修正のための新しい自己教師型フレームワークDocMAEを提案する。
まず、背景を除いた文書画像のランダムなパッチをマスクし、欠落したピクセルを再構成する。
このような自己教師型学習手法により、ネットワークは変形文書の本質的な構造を学習することが奨励される。
論文 参考訳(メタデータ) (2023-04-20T14:27:15Z) - Deep Unrestricted Document Image Rectification [110.61517455253308]
文書画像修正のための新しい統合フレームワークDocTr++を提案する。
我々は,階層型エンコーダデコーダ構造を多スケール表現抽出・解析に適用することにより,元のアーキテクチャをアップグレードする。
実際のテストセットとメトリクスをコントリビュートして、修正品質を評価します。
論文 参考訳(メタデータ) (2023-04-18T08:00:54Z) - Open Set Classification of Untranscribed Handwritten Documents [56.0167902098419]
重要な写本の膨大な量のデジタルページイメージが世界中のアーカイブに保存されている。
ドキュメントのクラスや型付け'はおそらくメタデータに含まれる最も重要なタグです。
技術的問題は文書の自動分類の1つであり、それぞれが書き起こされていない手書きのテキスト画像からなる。
論文 参考訳(メタデータ) (2022-06-20T20:43:50Z) - Unified Pretraining Framework for Document Understanding [52.224359498792836]
文書理解のための統合事前学習フレームワークであるUDocを紹介する。
UDocは、ほとんどのドキュメント理解タスクをサポートするように設計されており、Transformerを拡張してマルチモーダル埋め込みを入力とする。
UDocの重要な特徴は、3つの自己管理的損失を利用して汎用的な表現を学ぶことである。
論文 参考訳(メタデータ) (2022-04-22T21:47:04Z) - Cross-Domain Document Layout Analysis via Unsupervised Document Style
Guide [12.742967563805074]
文書レイアウト解析(DLA)は、文書画像を高レベルな意味領域に分解することを目的としている。
多くの研究者がこの課題に取り組み、大規模なトレーニングセットを構築するためにデータを合成した。
本稿では文書スタイルのガイダンスに基づく教師なしクロスドメインDLAフレームワークを提案する。
論文 参考訳(メタデータ) (2022-01-24T00:49:19Z) - DocScanner: Robust Document Image Rectification with Progressive
Learning [162.03694280524084]
この研究はDocScannerという、文書画像の修正のための新しいディープネットワークアーキテクチャを提示する。
DocScannerは、修正されたイメージの1つの見積を維持し、再帰的なアーキテクチャで徐々に修正される。
反復的な改善によりDocScannerは堅牢で優れたパフォーマンスに収束し、軽量なリカレントアーキテクチャにより実行効率が保証される。
論文 参考訳(メタデータ) (2021-10-28T09:15:02Z) - Multilevel Text Alignment with Cross-Document Attention [59.76351805607481]
既存のアライメントメソッドは、1つの事前定義されたレベルで動作します。
本稿では,文書を文書間注目要素で表現するための階層的アテンションエンコーダを予め確立した新しい学習手法を提案する。
論文 参考訳(メタデータ) (2020-10-03T02:52:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。