論文の概要: TextDestroyer: A Training- and Annotation-Free Diffusion Method for Destroying Anomal Text from Images

• arxiv url: http://arxiv.org/abs/2411.00355v1
• Date: Fri, 01 Nov 2024 04:41:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:51:11.369149
• Title: TextDestroyer: A Training- and Annotation-Free Diffusion Method for Destroying Anomal Text from Images
• Title（参考訳）: TextDestroyer:画像から不規則テキストを除去するトレーニングとアノテーションのない拡散法
• Authors: Mengcheng Li, Mingbao Lin, Fei Chao, Chia-Wen Lin, Rongrong Ji,
• Abstract要約: TextDestroyerは、シーンテキスト破壊のためのトレーニングおよびアノテーションなしのメソッドである。 提案手法は,復元前のガウス分布を用いて遅延開始符号中のテキスト領域をスクランブルする。 TextDestroyerの利点は、(1)労働集約型データアノテーションとリソース集約型トレーニングを排除し、(2)より徹底的なテキスト破壊を実現し、認識可能なトレースを防止し、(3)より優れた一般化能力を示し、現実世界のシーンと生成された画像の両方でうまく機能する。
• 参考スコア（独自算出の注目度）: 84.08181780666698
• License:
• Abstract: In this paper, we propose TextDestroyer, the first training- and annotation-free method for scene text destruction using a pre-trained diffusion model. Existing scene text removal models require complex annotation and retraining, and may leave faint yet recognizable text information, compromising privacy protection and content concealment. TextDestroyer addresses these issues by employing a three-stage hierarchical process to obtain accurate text masks. Our method scrambles text areas in the latent start code using a Gaussian distribution before reconstruction. During the diffusion denoising process, self-attention key and value are referenced from the original latent to restore the compromised background. Latent codes saved at each inversion step are used for replacement during reconstruction, ensuring perfect background restoration. The advantages of TextDestroyer include: (1) it eliminates labor-intensive data annotation and resource-intensive training; (2) it achieves more thorough text destruction, preventing recognizable traces; and (3) it demonstrates better generalization capabilities, performing well on both real-world scenes and generated images.
• Abstract（参考訳）: 本稿では,事前学習した拡散モデルを用いたシーンテキスト破壊のための,最初のトレーニングおよびアノテーションなし手法であるTextDestroyerを提案する。 既存のシーンテキストの除去モデルは複雑なアノテーションと再トレーニングを必要としており、プライバシー保護とコンテンツ隠蔽の妥協を図りつつも、認識可能なテキスト情報を残している可能性がある。 TextDestroyerは、3段階の階層プロセスを使用して正確なテキストマスクを取得することで、これらの問題に対処する。 提案手法は,復元前のガウス分布を用いて遅延開始符号中のテキスト領域をスクランブルする。 拡散復調過程において、自己保持キーと値が元の潜伏者から参照され、漏洩した背景を復元する。 各反転ステップで保存された遅延コードは、復元時に置換するために使用され、完全なバックグラウンド復元が保証される。 TextDestroyerの利点は、(1)労働集約型データアノテーションとリソース集約型トレーニングを排除し、(2)より徹底的なテキスト破壊を実現し、認識可能なトレースを防止し、(3)より優れた一般化能力を示し、現実世界のシーンと生成された画像の両方でうまく機能する。

関連論文リスト

• Latent Guard: a Safety Framework for Text-to-image Generation [64.49596711025993]
  既存の安全対策は、容易に回避できるテキストブラックリストや有害なコンテンツ分類に基づいている。 テキスト・ツー・イメージ生成の安全性向上を目的としたフレームワークであるLatent Guardを提案する。 ブラックリストベースのアプローチにインスパイアされたLatent Guardは、T2Iモデルのテキストエンコーダの上に潜在空間を学習し、有害な概念の存在を確認することができる。
  論文  参考訳（メタデータ） (2024-04-11T17:59:52Z)
• DeepEraser: Deep Iterative Context Mining for Generic Text Eraser [103.39279154750172]
  DeepEraserは反復操作によってイメージ内のテキストを消去するリカレントアーキテクチャである。 DeepEraserは1.4Mのパラメータしか持たず、エンドツーエンドでトレーニングされている。
  論文  参考訳（メタデータ） (2024-02-29T12:39:04Z)
• Enhancing Scene Text Detectors with Realistic Text Image Synthesis Using Diffusion Models [63.99110667987318]
  DiffTextは、前景のテキストと背景の本質的な特徴をシームレスにブレンドするパイプラインです。 テキストインスタンスが少なくなると、生成したテキストイメージはテキスト検出を支援する他の合成データを一貫して上回ります。
  論文  参考訳（メタデータ） (2023-11-28T06:51:28Z)
• Exploring Stroke-Level Modifications for Scene Text Editing [86.33216648792964]
  シーンテキスト編集(STE)は、元のテキストの背景とスタイルを保存しながら、テキストを所望のテキストに置き換えることを目的としている。 画像全体を編集するには、背景領域とテキスト領域の異なる翻訳規則を同時に学習する必要がある。 Scene Text Image at strokE Level (MOSTEL) を用いた新しいネットワークを提案する。
  論文  参考訳（メタデータ） (2022-12-05T02:10:59Z)
• Progressive Scene Text Erasing with Self-Supervision [7.118419154170154]
  シーンテキスト消去は、シーンイメージからテキストコンテンツを消去しようとする。 現在の最先端テキスト消去モデルは、大規模な合成データに基づいて訓練されている。 我々は、未ラベルの現実世界のシーンテキスト画像に特徴表現のための自己スーパービジョンを採用する。
  論文  参考訳（メタデータ） (2022-07-23T09:05:13Z)
• Text-DIAE: Degradation Invariant Autoencoders for Text Recognition and Document Enhancement [8.428866479825736]
  Text-DIAEは、テキスト認識(手書きまたはシーンテキスト)と文書画像強調という2つの課題を解決することを目的としている。 ラベル付きデータを使わずに事前学習時に最適化すべき学習目標として、3つのプレテキストタスクを定義した。 本手法は,既存の教師付きおよび自己監督型設定において,最先端の手法をはるかに超えている。
  論文  参考訳（メタデータ） (2022-03-09T15:44:36Z)
• A Simple and Strong Baseline: Progressively Region-based Scene Text Removal Networks [72.32357172679319]
  本稿では, Progressively Region-based scene Text eraser (PERT)を提案する。 PERTはSTRタスクをいくつかの消去段階に分解する。 PERTは、テキストフリー領域の完全性を保証するために、リージョンベースの修正戦略を導入している。
  論文  参考訳（メタデータ） (2021-06-24T14:06:06Z)

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。