論文の概要: Rethinking Supervision in Document Unwarping: A Self-consistent Flow-free Approach

• arxiv url: http://arxiv.org/abs/2610.15445v1
• Date: Sun, 11 Oct 2026 08:47:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 01:06:35.286583
• Title: Rethinking Supervision in Document Unwarping: A Self-consistent Flow-free Approach
• Title（参考訳）: 文書のアンウォープにおけるスーパービジョンの再考: 自己一貫性のあるフローフリーアプローチ
• Abstract要約: DRNetは文書画像修正のための新しいディープネットワークである。 文書画像に固有の内在的幾何学的整合性を利用して歪み補正の学習過程を導出する。 本稿では,DocUNet Benchmarkデータセットに挑戦する手法について評価する。
• 参考スコア（独自算出の注目度）: 47.68062252948448
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, the proliferation of smartphones has led to an upsurge in the digitization of document files via these portable devices. However, images captured by smartphones often suffer from distortions, thereby negatively affecting digital preservation and downstream applications. To address this issue, we introduce DRNet, a novel deep network for document image rectification. Our approach is based on three key designs. Firstly, we exploit the intrinsic geometric consistency inherent in document images to guide the learning process of distortion rectification. Secondly, we design a coarse-to-fine rectification network to leverage the representations derived from the distorted document image, thereby enhancing the rectification result. Thirdly, we propose a unique perspective for supervising the learning of rectification networks, where undistorted document images are employed for supervision, which is free of warping mesh as ground truth in existing methods. Technically, both low-level pixel alignment and high-level semantic alignment jointly contribute to the learning of the mapping relationship between deformed document images and distortion-free ones. We evaluate our method on the challenging DocUNet Benchmark dataset, where it sets a series of state-of-the-art records, demonstrating the superiority of our approach compared to existing learning-based solutions. Additionally, we conduct a comprehensive series of ablation experiments to further validate the effectiveness and merits of our method.
• Abstract（参考訳）: 近年、スマートフォンの普及により、これらのポータブルデバイスによる文書ファイルのデジタル化が急増している。 しかし、スマートフォンが撮影した画像は歪みに悩まされ、デジタル保存や下流の応用に悪影響を及ぼす。 この問題に対処するために,文書画像修正のための新しいディープネットワークDRNetを紹介する。 私たちのアプローチは3つの重要な設計に基づいている。 まず,文書画像に固有の内在的幾何学的整合性を利用して歪み補正の学習過程を導出する。 第2に、歪んだ文書画像から得られた表現を活用するために、粗大な修正ネットワークを設計し、修正結果を向上する。 第3に,未歪な文書イメージを監視対象として使用し,既存の手法における基盤的真理としてメッシュを歪めない,補正ネットワークの学習を監督するためのユニークな視点を提案する。 技術的には、低レベルの画素アライメントと高レベルのセマンティックアライメントは共に、変形した文書画像と歪みのないものの間のマッピング関係の学習に寄与する。 本手法をDocUNet Benchmarkデータセット上で評価し,既存の学習ベースソリューションと比較して,アプローチの優位性を実証した。 さらに,本手法の有効性とメリットをさらに検証するため,包括的アブレーション実験を実施している。

関連論文リスト

• BookNet: Book Image Rectification via Cross-Page Attention Network [61.60737484928661]
  両ページ画像の修正に特化して設計された,エンド・ツー・エンドのディープラーニングフレームワークであるBookNetを紹介する。 BookNetは、ページ間のアテンション機構を備えたデュアルブランチアーキテクチャを採用しており、個々のページと完全なブックスプレッドの両方のワープフローを推定することができる。 専門的なデータセットの欠如に対処するため、トレーニング用の大規模合成データセットであるBook3Dと、評価のための総合的な実世界のベンチマークであるBook100を紹介する。
  論文  参考訳（メタデータ） (2026-01-29T16:26:25Z)
• TADoc: Robust Time-Aware Document Image Dewarping [4.080803969466669]
  デジタルエコノミーとオンラインワークの台頭により、文書画像のデウォープがますます重要になっている。 我々はこのタスクを再構築し、一連の中間状態を含む動的なプロセスとして初めてモデル化する。 文書画像の幾何学的歪みに対処するために,TADocと呼ばれる軽量なフレームワークを設計する。
  論文  参考訳（メタデータ） (2025-08-09T13:55:55Z)
• 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)
• 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)
• 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)

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。