.png){kind=icon}
返回
Q-DRFormer: Query-Position Mapping Flow Prediction with Progressive Refinement for Document Rectification
.png){kind=icon}
OA
AI
DOI：10.1145/3845993.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
文档图像矫正旨在恢复受几何失真影响的图像。现有的U形编解码器方法依赖分层上采样操作来恢复密集光流场，这导致对单个网格位置位移的控制有限，进而造成空间不一致性和细节恢复不佳。为解决此问题，我们提出Q‑DRFormer，一种将矫正任务形式化为集合预测任务的新型框架。具体而言，我们设计了一组查询，每个查询对应光流场网格中的一个位置，并负责回归一个2D锚点，该锚点指示失真输入中的采样位置。这种一对一设计建立了确定性的查询-位置映射，实现了细粒度控制并改善了预测光流场的空间一致性。利用这种确定性对应关系，我们进一步提出了一种渐进式光流细化策略，通过逐层偏移预测逐步优化锚点，以增强细粒度恢复。此外，考虑到现有研究中缺乏下游任务导向的评估，我们将矫正方法应用于场景表格检测，并提供了一个真实世界的测试集及相应的评估指标以填补这一空白。大量实验表明，Q-DRFormer优于现有方法。代码可访问 https://github.com/vvvvvair/Q-DRFormer。
Keyword:
Document image rectification,geometric correction,deep learning,Transformer,table detection
