TextSeg

现实世界中的文本极其多样化，但当前的文本数据集并不能很好地反映这种多样性。为了弥合这一差距，我们提出了 TextSeg，这是一个大规模的精细注释和多用途文本数据集，收集具有六种类型注释的场景和设计文本：单词和字符边界多边形、掩码和转录。我们还介绍了文本细化网络 (TexRNet)，这是一种新颖的文本分割方法，可适应文本的独特属性，例如非凸边界、多样纹理等，往往会给传统分割模型带来负担。 TexRNet 通过关键特征池和注意力从常见的分割方法中提炼结果，从而可以调整错误激活的文本区域。我们还引入了 trimap 和鉴别器损失，它们显示出对文本分割的显着改进。