在中国文字图像超分辨率之前,增强了生成结构

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 数字图像处理 数字图像处理

背景情况:

• 由于字符的变化,对文本图像的超分辨率 (SR) 很困难.
• 现有的SR方法往往忽略了像中文这样的复杂脚本.
• 在低分辨率 (LR) 文本中恢复精确的字符冲刺是一个重大挑战.

研究的目的:

• 开发一个高质量的文本图像SR框架,用于中文字符.
• 为了在文本中提高视觉质量之前引入一种新的结构,SR.
• 为了解决现有方法的局限性,专注于英语文本.

主要方法:

• 在文本中提出结构层面指导之前提出了一个新的结构SR.
• 将前面的结构集成到一个StyleGAN模型中进行恢复.
• 实施了基于代码书的机制来控制字符结构和风格变化.
• 利用代码库和风格向量 ($w$) 之间的协作交互来实现高分辨率的先前生成.

主要成果:

• 之前的结构为SR提供了强大的,特征特定的指导.
• 在退化的中文字符中精确地恢复了清晰的笔记.
• 该框架有效地处理现实世界LR中文文本与不规则的布局.
• 在超高分辨率文本图像中提高视觉质量和冲动完整性.

结论:

• 拟议的框架成功地从LR输入中恢复了高质量的中文文本图像.
• 之前的新型结构显著提高了文本SR的性能.
• 该方法对于复杂的脚本和不规则的文本布局是有效的,推进了文本图像的领域.