显式解的文本转移与最小化背景重建的场景文本编辑

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 人工智能的人工智能

背景情况:

• 场景文本编辑对于数据生成和隐私保护等应用至关重要.
• 现有的方法经常将文本和背景融合在一起,从而导致不理想的结果.
• 需要在文本替换过程中保持背景完整性的方法.

研究的目的:

• 提出一个新的场景文本编辑网络,STEEM.
• 为了将文本风格和内容与背景分开.
• 为了最大限度地减少背景重建以提高现实性.

主要方法:

• STEEM使用文本背景分离模块来隔离源文本.
• 一个风格引导的文本传输模块将源文本替换为目标文本.
• 一个以上下文为中心的背景重建模块完善了编辑的图像,最大限度地减少了背景的改变.

主要成果:

• STEEM实现了较低的FID指数 (24.67比29.48),表明图像质量有所改善.
• 使用STEEM,文本识别准确度从76.8%提高到78.8%.
• 在两个数据集上的实验评估证实了拟议方法的有效性.

结论:

• 通过将文本和背景脱而出,STEEM提供了一种优越的场景文本编辑方法.
• 该方法有效地保留了背景细节,同时准确地替换了文本.
• STEEM代表了场景文本编辑技术的重大进步.