文档图像矫正任务的前沿进展：引入Transformer、自监督框架的思路

在《文档数字化采集与智能处理：图像弯曲矫正技术概述》一文中，我们介绍了文档图像矫正技术的发展沿革与代表性方案。随着文档智能处理的需求逐步升级，文档图像去畸变技术也在不断探索新的可能性。

今天，我们将讨论近年来文档图像矫正任务的前沿进展，分享一些我们正在关注的方向，欢迎与我们共同探讨、交流进步。

Transformer 架构下的文档矫正探索

代表性工作

DocTr: Document Image Transformer for Geometric Unwarping and Illumination Correction [1]

• 研究结果

  • 提出了一种新的框架 DocTr，用于解决文档图像的几何和照明失真问题。该框架包括一个几何矫正 Transformer 和一个照明矫正 Transformer，通过设置一组学习的查询嵌入，几何矫正 Transformer 捕获文档图像的全局上下文，并解码像素级位移解决方案以纠正几何失真。在几何矫正后，照明矫正 Transformer 进一步去除阴影伪影，提高视觉质量和 OCR 准确性。

• 创新优势

  • 首次尝试将Transformer架构应用于文档图像矫正领域&#