論文の概要: ForCenNet: Foreground-Centric Network for Document Image Rectification

• arxiv url: http://arxiv.org/abs/2507.19804v1
• Date: Sat, 26 Jul 2025 05:36:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:56.263586
• Title: ForCenNet: Foreground-Centric Network for Document Image Rectification
• Title（参考訳）: ForCenNet: 画像の文書化のための前景中心ネットワーク
• Authors: Peng Cai, Qiang Li, Kaicheng Yang, Dong Guo, Jia Li, Nan Zhou, Xiang An, Ninghua Yang, Jiankang Deng,
• Abstract要約: Foreground-Centric Network(ForCenNet)を導入し,文書画像の幾何学的歪みを解消する。 大規模な実験により、ForCenNetは4つの実世界のベンチマークで新しい最先端のベンチマークを実現している。
• 参考スコア（独自算出の注目度）: 36.95028425490806
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Document image rectification aims to eliminate geometric deformation in photographed documents to facilitate text recognition. However, existing methods often neglect the significance of foreground elements, which provide essential geometric references and layout information for document image correction. In this paper, we introduce Foreground-Centric Network (ForCenNet) to eliminate geometric distortions in document images. Specifically, we initially propose a foreground-centric label generation method, which extracts detailed foreground elements from an undistorted image. Then we introduce a foreground-centric mask mechanism to enhance the distinction between readable and background regions. Furthermore, we design a curvature consistency loss to leverage the detailed foreground labels to help the model understand the distorted geometric distribution. Extensive experiments demonstrate that ForCenNet achieves new state-of-the-art on four real-world benchmarks, such as DocUNet, DIR300, WarpDoc, and DocReal. Quantitative analysis shows that the proposed method effectively undistorts layout elements, such as text lines and table borders. The resources for further comparison are provided at https://github.com/caipeng328/ForCenNet.
• Abstract（参考訳）: 文書画像の修正は、写真文書の幾何学的変形を排除し、テキスト認識を容易にすることを目的としている。 しかし,既存の手法では前景要素の重要性を無視することが多く,文書画像の補正に必要不可欠な幾何学的参照やレイアウト情報を提供する。 本稿では,文書画像の幾何学的歪みを取り除くために,フォアグラウンド・センター・ネットワーク(Foreground-Centric Network, ForCenNet)を提案する。 具体的には、まず、歪みのない画像から詳細な前景要素を抽出する前景中心ラベル生成法を提案する。 次に,前景型マスキング機構を導入し,読みやすい領域と背景領域の区別を強化する。 さらに,モデルが歪んだ幾何分布を理解するのに役立つために,詳細な前景ラベルを活用するために曲率の整合性損失を設計する。 大規模な実験によると、ForCenNetはDocUNet、DIR300、WarpDoc、DocRealという4つの実世界のベンチマークで新しい最先端のベンチマークを実現している。 定量的解析により,提案手法はテキスト行やテーブル境界などのレイアウト要素を効果的に歪めないことを示す。 さらに比較するためのリソースはhttps://github.com/caipeng328/ForCenNetにある。

関連論文リスト

• Geometry Restoration and Dewarping of Camera-Captured Document Images [0.0]
  本研究では,カメラが捉えた紙文書のデジタル画像のトポロジを復元する手法の開発に焦点をあてる。 本手法では,文書アウトライン検出に深層学習(DL)を用い,次いでコンピュータビジョン(CV)を用いてトポロジカル2Dグリッドを作成する。
  論文  参考訳（メタデータ） (2025-01-06T17:12:19Z)
• Block and Detail: Scaffolding Sketch-to-Image Generation [65.56590359051634]
  アーティストの反復的な洗練プロセスと整合する新しいスケッチ・ツー・イメージ・ツールを提案する。 私たちのツールは、ブロックされたストロークをスケッチして、オブジェクトの配置や形を粗く表現し、詳細なストロークを表現して、形やシルエットを洗練します。 反復過程の任意の点において、そのようなスケッチから高忠実度画像を生成するための2パスアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-02-28T07:09:31Z)
• 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)
• Geometric Representation Learning for Document Image Rectification [137.75133384124976]
  本稿では,明示的な幾何学的表現を導入して文書画像の修正を行うDocGeoNetを提案する。 私たちのモチベーションは、歪んだ文書画像の修正に3次元形状がグローバルなアンウォープ手段を提供するという洞察から生まれます。 実験は、我々のフレームワークの有効性を示し、我々のフレームワークが最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-15T01:57:40Z)
• Fourier Document Restoration for Robust Document Dewarping and Recognition [73.44057202891011]
  本稿では、異なる歪みで文書を復元できるフーリエ文書復元ネットワークであるFDRNetについて述べる。 ドキュメントをフレキシブルなThin-Plate Spline変換でデワープし、トレーニング時に変形アノテーションを必要とせずに、様々な変形を効果的に処理できる。 これは、デウォープとテキスト認識の両方のタスクにおいて、最先端の技術をはるかに上回る。
  論文  参考訳（メタデータ） (2022-03-18T12:39:31Z)
• RectiNet-v2: A stacked network architecture for document image dewarping [16.249023269158734]
  本稿では,入力として使用する歪文書から歪みのない文書画像を生成することができるエンドツーエンドCNNアーキテクチャを提案する。 我々は、このモデルを、十分な自然データ不足を補うために、合成的にシミュレートされた歪んだ文書画像に基づいて訓練する。 我々は,この領域のベンチマークであるDocUNetデータセットを用いて本手法の評価を行い,最先端の手法に匹敵する結果を得た。
  論文  参考訳（メタデータ） (2021-02-01T19:26:17Z)
• Multiple Document Datasets Pre-training Improves Text Line Detection With Deep Neural Networks [2.5352713493505785]
  本稿では,文書レイアウト解析タスクのための完全畳み込みネットワークを提案する。 Doc-UFCNは、歴史的文書から物体を検出するためにゼロから訓練されたU字型モデルを用いています。 Doc-UFCNが様々なデータセットの最先端のメソッドより優れていることを示す。
  論文  参考訳（メタデータ） (2020-12-28T09:48:33Z)

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。