Towards End-to-End Unified Scene Text Detection and Layout Analysis

要約

シーンテキストの検出とドキュメントレイアウト分析は、長い間、異なる画像ドメインで2つの別個のタスクとして扱われてきました。
この論文では、それらをまとめて、統一されたシーンテキスト検出とレイアウト分析のタスクを紹介します。
この新しい研究タスクを可能にするために、最初の階層的なシーンテキストデータセットが導入されました。
また、シーンテキストの検出とテキストクラスターの形成を同時に行うことができる新しい方法を提案します。
包括的な実験は、私たちの統一されたモデルが、複数の適切に設計されたベースライン方法よりも優れたパフォーマンスを達成することを示しています。
さらに、このモデルは、複雑な後処理を必要とせずに、複数のシーンのテキスト検出データセットで最先端の結果を実現します。
データセットとコード：https：//github.com/google-research-datasets/hiertextおよびhttps://github.com/tensorflow/models/tree/master/official/projects/unified_detector。

要約(オリジナル)

Scene text detection and document layout analysis have long been treated as two separate tasks in different image domains. In this paper, we bring them together and introduce the task of unified scene text detection and layout analysis. The first hierarchical scene text dataset is introduced to enable this novel research task. We also propose a novel method that is able to simultaneously detect scene text and form text clusters in a unified way. Comprehensive experiments show that our unified model achieves better performance than multiple well-designed baseline methods. Additionally, this model achieves state-of-the-art results on multiple scene text detection datasets without the need of complex post-processing. Dataset and code: https://github.com/google-research-datasets/hiertext and https://github.com/tensorflow/models/tree/master/official/projects/unified_detector.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google