論文の概要: Inverse Scene Text Removal

• arxiv url: http://arxiv.org/abs/2506.21002v1
• Date: Thu, 26 Jun 2025 04:32:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 19:53:09.978597
• Title: Inverse Scene Text Removal
• Title（参考訳）: 逆シーンテキスト除去
• Authors: Takumi Yoshimatsu, Shumpei Takezaki, Seiichi Uchida,
• Abstract要約: Scene text removal (STR) は、画像からテキスト要素を消去することを目的としている。 STRは通常テキスト領域を検出し、theninpaintします。 Inverse STR (ISTR) を検証し,2値分類におけるSTR処理画像と焦点を解析する。
• 参考スコア（独自算出の注目度）: 5.892066196730197
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scene text removal (STR) aims to erase textual elements from images. It was originally intended for removing privacy-sensitiveor undesired texts from natural scene images, but is now also appliedto typographic images. STR typically detects text regions and theninpaints them. Although STR has advanced through neural networksand synthetic data, misuse risks have increased. This paper investi-gates Inverse STR (ISTR), which analyzes STR-processed images andfocuses on binary classification (detecting whether an image has un-dergone STR) and localizing removed text regions. We demonstrate inexperiments that these tasks are achievable with high accuracies, en-abling detection of potential misuse and improving STR. We also at-tempt to recover the removed text content by training a text recognizerto understand its difficulty.
• Abstract（参考訳）: Scene text removal (STR) は、画像からテキスト要素を消去することを目的としている。 元々は、自然のシーン画像からプライバシーに敏感な、あるいは望ましくないテキストを削除することを目的としていたが、現在ではタイポグラフィー画像にも適用されている。 STRは通常テキスト領域を検出し、theninpaintします。 STRはニューラルネットワークや合成データを通じて進歩しているが、誤用リスクは増大している。 Inverse STR (ISTR) を検証し, STR処理した画像と焦点をバイナリ分類(画像が非ダーゴーンSTRであるかどうかを検出する)と削除テキスト領域のローカライズを行う。 本研究では,これらの課題が高い精度で達成可能であること,潜在的な誤用を検出すること,STRの改善を実証する。 また,テキスト認識者がその難易度を学習することで,削除されたテキストコンテンツを復元する試みも行った。

関連論文リスト

• Leveraging Text Localization for Scene Text Removal via Text-aware Masked Image Modeling [44.70973195966149]
  既存のシーンテキスト削除(STR)タスクは、高価なピクセルレベルのラベリングのため、トレーニングデータ不足に悩まされる。 我々は,低コストなテキスト検出ラベルを用いたSTRモデルの事前学習が可能なテキスト対応マスク付き画像モデリングアルゴリズム(TMIM)を提案する。 我々の方法は、他のプリトレイン法より優れ、最先端のパフォーマンス(SCUT-EnsTextの37.35 PSNR)を達成する。
  論文  参考訳（メタデータ） (2024-09-20T11:52:57Z)
• 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)
• Orientation-Independent Chinese Text Recognition in Scene Images [61.34060587461462]
  本研究は,テキスト画像のコンテンツと方向情報を切り離すことにより,向きに依存しない視覚特徴を抽出する試みである。 具体的には,不整合コンテンツと向き情報を用いて対応する文字イメージを復元する文字画像再構成ネットワーク(CIRN)を提案する。
  論文  参考訳（メタデータ） (2023-09-03T05:30:21Z)
• Selective Scene Text Removal [12.03150391651337]
  シーンテキスト削除(STR)は、シーン画像中のテキスト領域を削除する画像変換タスクである。 本稿では,ユーザが指定したターゲット単語のみを除去する,選択シーンテキスト削除(SSTR)という新しいタスク設定を提案する。
  論文  参考訳（メタデータ） (2023-09-01T12:07:40Z)
• ViTEraser: Harnessing the Power of Vision Transformers for Scene Text Removal with SegMIM Pretraining [58.241008246380254]
  シーンテキスト除去(STR)は、自然のシーンにおけるテキストストロークを視覚的に一貫性のある背景に置き換えることを目的としている。 最近のSTRアプローチは反復的な改善や明示的なテキストマスクに依存しており、結果としてテキストローカライゼーションの精度に高い複雑さと感度をもたらす。 そこで我々は, ViTEraser という, 単純なyet- Effective ViT-based text eraser を提案する。
  論文  参考訳（メタデータ） (2023-06-21T08:47:20Z)
• PSSTRNet: Progressive Segmentation-guided Scene Text Removal Network [1.7259824817932292]
  シーンテキスト除去(STR)は、複雑なテキストフォント、色、サイズ、シーンイメージの背景テクスチャのために難しい作業である。 画像中のテキストを反復的に除去するプログレッシブ誘導シーンテキスト除去ネットワーク(PSSTRNet)を提案する。
  論文  参考訳（メタデータ） (2023-06-13T15:20:37Z)
• Scene Text Image Super-Resolution via Content Perceptual Loss and Criss-Cross Transformer Blocks [48.81850740907517]
  テキスト対応のテキスト・スーパー・リゾリューション・フレームワークであるTATSRについて述べる。 Criss-Cross Transformer Blocks (CCTBs) と新しい Content Perceptual (CP) Loss を用いて、ユニークなテキスト特性を効果的に学習する。 認識精度と人間の知覚の両方の観点から、最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-10-13T11:48:45Z)
• Image-Specific Information Suppression and Implicit Local Alignment for Text-based Person Search [61.24539128142504]
  テキストベースの人物検索(TBPS)は,問合せテキストが与えられた画像ギャラリーから同一の身元で歩行者画像を検索することを目的とした課題である。 既存の手法の多くは、モダリティ間の微粒な対応をモデル化するために、明示的に生成された局所的な部分に依存している。 TBPSのためのマルチレベルアライメントネットワーク(MANet)を提案する。
  論文  参考訳（メタデータ） (2022-08-30T16:14:18Z)
• 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。