[ICML2024] Spotlight|DAT：通过交互式注意力实现统一的多粒度文本检测

文章预览

本文简要介绍ICML 2024 Spotlight论文 “Towards Unified Multi-granularity Text Detection with Interactive Attention” 的主要工作。 该论文提出了一种名为“Detect Any Text”(DAT) 的新型文字统一检测算法框架，高效解决文档智能应用中不同粒度文字检测需求，具体包括单词、文字行、段落以及页面四种粒度。 本文的主要贡献在于引入了跨粒度的特征交互模块，通过学习不同粒度文字实例之间的结构相关性，从而有效提升模型对于各种粒度文本的检测效果； 以及设计了一种混合粒度训练策略，以端到端的形式并行完成不同粒度文字的检测任务，从而显著降低了多粒度文字检测的算法复杂度。 图1 多粒度文字实例之间的结构相关性示意图；第一行为原始图片；第二行为多粒度文字检测结果真值，分别包括单词（用黄色多边形标注）、文字行（用绿色多边形标注）、段落（用 ………………………………