論文の概要: DocBinFormer: A Two-Level Transformer Network for Effective Document Image Binarization

• arxiv url: http://arxiv.org/abs/2312.03568v1
• Date: Wed, 6 Dec 2023 16:01:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-07 14:21:33.275733
• Title: DocBinFormer: A Two-Level Transformer Network for Effective Document Image Binarization
• Title（参考訳）: DocBinFormer: 効果的な文書画像バイナリ化のための2レベルトランスフォーマネットワーク
• Authors: Risab Biswas, Swalpa Kumar Roy, Ning Wang, Umapada Pal, Guang-Bin Huang
• Abstract要約: 文書のバイナライゼーションは、あらゆる文書分析タスクにおいて最も最適なパフォーマンスを達成するための基本的で重要なステップである。 文書画像の効果的なバイナライゼーションのための視覚変換器をベースとした新しい2レベル視覚変換器(TL-ViT)アーキテクチャであるDocBinFormerを提案する。
• 参考スコア（独自算出の注目度）: 17.087982099845156
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In real life, various degradation scenarios exist that might damage document images, making it harder to recognize and analyze them, thus binarization is a fundamental and crucial step for achieving the most optimal performance in any document analysis task. We propose DocBinFormer (Document Binarization Transformer), a novel two-level vision transformer (TL-ViT) architecture based on vision transformers for effective document image binarization. The presented architecture employs a two-level transformer encoder to effectively capture both global and local feature representation from the input images. These complimentary bi-level features are exploited for efficient document image binarization, resulting in improved results for system-generated as well as handwritten document images in a comprehensive approach. With the absence of convolutional layers, the transformer encoder uses the pixel patches and sub-patches along with their positional information to operate directly on them, while the decoder generates a clean (binarized) output image from the latent representation of the patches. Instead of using a simple vision transformer block to extract information from the image patches, the proposed architecture uses two transformer blocks for greater coverage of the extracted feature space on a global and local scale. The encoded feature representation is used by the decoder block to generate the corresponding binarized output. Extensive experiments on a variety of DIBCO and H-DIBCO benchmarks show that the proposed model outperforms state-of-the-art techniques on four metrics. The source code will be made available at https://github.com/RisabBiswas/DocBinFormer.
• Abstract（参考訳）: 実生活では、文書解析タスクにおいて最も最適なパフォーマンスを達成するための基本的かつ決定的なステップとして、文書画像に損傷を与える様々な劣化シナリオが存在し、認識と解析が困難になる。 そこで本稿では,視覚トランスフォーマに基づく新しい2レベル視覚トランスフォーマ(tl-vit)アーキテクチャであるdocbinformer (document binarization transformer)を提案する。 提案アーキテクチャでは、2レベルトランスフォーマーエンコーダを用いて、入力画像からグローバル特徴表現とローカル特徴表現の両方を効果的にキャプチャする。 これらの補足的バイレベル特徴は、効率的な文書画像バイナライゼーションに活用され、システム生成および手書き文書画像の総合的なアプローチによる結果が改善される。 畳み込み層がないため、トランスフォーマーエンコーダはピクセルパッチとサブパッチをそれらの位置情報と共に直接操作し、デコーダはパッチの潜在表現からクリーンな(バイナリ化された)出力画像を生成する。 画像パッチから情報を取り出すために単純な視覚変換ブロックを使う代わりに、提案アーキテクチャは2つのトランスフォーマーブロックを使用して、抽出した特徴空間をグローバルおよびローカルスケールでカバーする。 符号化された特徴表現はデコーダブロックによって、対応する二項化出力を生成する。 様々なDIBCOおよびH-DIBCOベンチマークの大規模な実験により、提案モデルが4つのメトリクスの最先端技術より優れていることが示された。 ソースコードはhttps://github.com/RisabBiswas/DocBinFormerで入手できる。

関連論文リスト

• Neuromorphic Synergy for Video Binarization [54.195375576583864]
  バイモーダルオブジェクトは視覚システムによって容易に認識できる情報を埋め込む視覚形式として機能する。 ニューロモルフィックカメラは、動きのぼかしを緩和する新しい機能を提供するが、最初にブルーを脱色し、画像をリアルタイムでバイナライズするのは簡単ではない。 本稿では,イベント空間と画像空間の両方で独立に推論を行うために,バイモーダル目標特性の事前知識を活用するイベントベースバイナリ再構築手法を提案する。 また、このバイナリ画像を高フレームレートバイナリビデオに伝搬する効率的な統合手法も開発している。
  論文  参考訳（メタデータ） (2024-02-20T01:43:51Z)
• A Layer-Wise Tokens-to-Token Transformer Network for Improved Historical Document Image Enhancement [13.27528507177775]
  Tokens-to-token Vision Transformer に基づく新しい文書バイナライゼーション・エンコーダ・デコーダアーキテクチャである textbfT2T-BinFormer を提案する。 様々なDIBCOおよびH-DIBCOベンチマークの実験により、提案モデルは既存のCNNおよびViTベースの最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-12-06T23:01:11Z)
• TransY-Net:Learning Fully Transformer Networks for Change Detection of Remote Sensing Images [64.63004710817239]
  リモートセンシング画像CDのためのトランスフォーマーベース学習フレームワークTransY-Netを提案する。 グローバルな視点からの特徴抽出を改善し、ピラミッド方式で多段階の視覚的特徴を組み合わせる。 提案手法は,4つの光学式および2つのSAR画像CDベンチマーク上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-10-22T07:42:19Z)
• Unifying Two-Stream Encoders with Transformers for Cross-Modal Retrieval [68.61855682218298]
  クロスモーダル検索法では、画像とテキストの異なるアーキテクチャを持つ2ストリームエンコーダを用いる。 視覚タスクにおけるトランスフォーマーの最近の進歩に触発されて,トランスフォーマーとエンコーダアーキテクチャを両モードで統一することを提案する。 我々は、画像変換器、テキスト変換器、階層アライメントモジュールからなる2ストリーム変換器(textbfHierarchical Alignment Transformers, HAT)を純粋にベースとしたクロスモーダル検索フレームワークを設計する。
  論文  参考訳（メタデータ） (2023-08-08T15:43:59Z)
• Xformer: Hybrid X-Shaped Transformer for Image Denoising [114.37510775636811]
  本稿では,XformerというハイブリッドX字型視覚変換器について紹介する。 Xformerは、合成および実世界の画像復調タスクで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-03-11T16:32:09Z)
• Document Image Binarization in JPEG Compressed Domain using Dual Discriminator Generative Adversarial Networks [0.0]
  提案したモデルは、穴、消し去られた、あるいは汚されたインク、粉塵、ずれた繊維といった課題を持つDIBCOデータセットのさまざまなバージョンで徹底的にテストされている。 このモデルは非常に堅牢で、時間と空間の複雑さの両面で効率的であることが証明され、JPEG圧縮領域における最先端の性能がもたらされた。
  論文  参考訳（メタデータ） (2022-09-13T12:07:32Z)
• DocEnTr: An End-to-End Document Image Enhancement Transformer [13.108797370734893]
  文書画像は多くの劣化シナリオに影響され、認識と処理が困難になる。 本稿では,視覚変換器をベースとしたエンコーダデコーダアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-01-25T11:45:35Z)
• Towards End-to-End Image Compression and Analysis with Transformers [99.50111380056043]
  本稿では,クラウドベースの画像分類アプリケーションを対象として,トランスフォーマーを用いたエンドツーエンドの画像圧縮解析モデルを提案する。 我々は、圧縮された特徴から画像分類を行うためにビジョントランスフォーマー(ViT)モデルを再設計し、トランスフォーマーからの長期情報を用いて画像圧縮を容易にすることを目指している。 画像圧縮と分類作業の両方において,提案モデルの有効性を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2021-12-17T03:28:14Z)
• Uformer: A General U-Shaped Transformer for Image Restoration [47.60420806106756]
  画像復元のためにTransformerブロックを用いた階層型エンコーダデコーダネットワークを構築した。 いくつかの画像復元タスクの実験は、Uformerの優位性を示している。
  論文  参考訳（メタデータ） (2021-06-06T12:33:22Z)
• Two-stage generative adversarial networks for document image binarization with color noise and background removal [7.639067237772286]
  本稿では,2段階のカラー文書画像強調・バイナライゼーション手法を提案する。 第1段階では、4つの色非依存の敵ネットワークを訓練し、入力画像から色前景情報を抽出する。 第2段階では、大域的・局所的な特徴を持つ2つの独立した敵対的ネットワークが、可変サイズの文書の画像バイナライズのために訓練されている。
  論文  参考訳（メタデータ） (2020-10-20T07:51:50Z)
• Two-stream Encoder-Decoder Network for Localizing Image Forgeries [4.982505311411925]
  本稿では,高レベル画像と低レベル画像の両方を利用する2ストリームエンコーダデコーダネットワークを提案する。 提案手法の性能評価のために,複数の標準法医学データセットの実験的検討を行った。
  論文  参考訳（メタデータ） (2020-09-27T15:49:17Z)

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。