An Entropy-based Text Watermarking Detection Method
The Chinese University of Hong Kong(香港中文大学);Tsinghua University(清华大学)
本文提出基于熵的文本水印检测方法EWD,通过按词元熵自适应分配检测权重,无需训练即可提升低熵场景下的水印检测性能,并适用于不同熵分布文本。
2024-06-09 cs.CL
Variation is the Key: A Variation-Based Framework for LLM-Generated Text Detection
Tianjin University(天津大学)
本文提出VaryBalance框架,通过量化人类文本与LLM重写文本的差异,有效检测LLM生成文本,实验显示其在AUROC指标上优于现有方法。
2026-01-27 cs.AI cs.CL
Zero-Shot Detection of LLM-Generated Text via Implicit Reward Model
School of Computer Science and Technology, Beijing Institute of Technology(计算机科学与技术学院,北京理工大学)
本文提出IRM方法,利用隐式奖励模型实现LLM生成文本的零样本检测,无需偏好收集或额外训练,在DetectRL基准上表现优于现有方法。
2026-04-23 cs.AI cs.CL
HACo-Det: A Study Towards Fine-Grained Machine-Generated Text Detection under Human-AI Coauthoring
Xi’an Jiaotong University(西安交通大学);University of Chicago(芝加哥大学);Queen Mary University of London(伦敦玛丽女王大学)
本文提出HACo-Det数据集,通过词级归因标签支持人机协同创作下的细粒度机器生成文本检测,并改造七种文档级检测器进行词级和句级评估,发现微调模型优于度量方法但问题仍未解决。
2025-06-03 cs.AI cs.CL
ToBlend: Token-Level Blending With an Ensemble of LLMs to Attack AI-Generated Text Detection
Indiana University Bloomington(印第安纳大学布卢明顿分校)
提出ToBlend这一token级集成文本生成方法,通过从多个候选LLMs中随机采样token,有效降低主流AI文本检测性能,并构建微调Llama3.1模型提升识别准确度。
2024-10-16 cs.AI cs.CL
Multiscale Positive-Unlabeled Detection of AI-Generated Texts
Peking University(北京大学);Huawei Noah’s Ark Lab(华为诺亚方舟实验室);Huawei Group Finance(华为集团财务);Huawei Central Software Institute(华为中央软件院)
针对现有AI文本检测器在短文本上效果不佳的问题,本文提出多尺度正样本-无标签(MPU)训练框架,通过重构PU问题、设计长度敏感损失和文本多尺度模块,同时提升长短文本检测性能,在多个基准上超越现有方法。
2024-03-05 cs.AI cs.CL
Anomaly-Injected Deep Support Vector Data Description for Text Outlier Detection
Tencent America(腾讯美国);University of Utah(犹他大学)
异常检测或离群点检测是各个领域的常见任务,近年来吸引了大量的研究工作。现有的工作主要集中在结构化的数据,如数值或分类数据,而非结构化的文本数据的异常检测很少关注。在这项工作中,我们针对文本异常检测问题,并提出了一个深度异常注入支持向量数据描述(AI-SVDD)框架。AI-SVDD不仅学习了数据超球体的更紧凑的表示,而且还采用了少量的已知异常来提高区分能力。为了处理文本输入,我们采用多层感知器(MLP)网络结合BERT,以获得丰富的文本表示。我们在三个多数据集的文本异常检测应用程序上进行实验。实验结果表明,所提出的AI-SVDD是有前途的,优于现有的工作。
2021-10-27 cs.CL cs.LG
Text Meets Topology: Rethinking Out-of-distribution Detection in Text-Rich Networks
The University of Queensland(昆士兰大学)
针对富文本网络中现有OOD检测方法忽略文本-结构多样性的问题,提出TextTopoOOD多场景评估框架与融合文本拓扑的TNT-OOD模型,实验验证了该评估任务的复杂性及方法的有效性。
2025-09-02 cs.CL cs.LG
Towards Token-Level Text Anomaly Detection
Great Bay University(大湾大学);Tsinghua University(清华大学);Shenzhen University(深圳大学);Dongguan Key Laboratory for AI and Dynamical Systems(东莞人工智能与动力系统重点实验室);Deakin University(德肯大学)
本文提出词级文本异常检测方法,通过多层级统一框架实现精准定位,提升文本异常识别的细粒度分析能力。
2026-01-20 cs.CL cs.LG
Neural Abstractive Text Summarization and Fake News Detection
Stanford University(斯坦福大学)
在这项工作中,我们研究抽象的文本摘要,探索不同的模型,如LSTM编码器解码器与注意,指针生成器网络,覆盖机制,和Transformers。经过广泛和仔细的超参数调整,我们比较了所提出的架构对彼此的抽象文本摘要任务。最后,作为我们工作的延伸,我们将我们的文本摘要模型作为假新闻检测任务的特征提取器,在该任务中,将对分类之前的新闻文章进行总结,并将结果与仅使用原始新闻文本的分类进行比较。关键词:LSTM,编码器-解码器,抽象文本摘要,指针生成器,覆盖机制,Transformers,假新闻检测
2019-12-12 cs.CL cs.LG stat.ML
Text Data Augmentation: Towards better detection of spear-phishing emails
Vade Secure(韦德安全公司)
文本数据增强,即,从现有文本创建新的文本数据是具有挑战性的。实际上,增强变换应当在与目标自然语言处理(NLP)任务(例如,机器翻译、文本分类)。最初的商业电子邮件妥协(BEC)检测的应用程序的动机,我们提出了一个语料库和任务不可知的增强框架,作为一项服务,以增加我们公司内的英语文本。我们的建议结合了不同的方法,利用BERT语言模型,多步回译和语法。我们表明,我们的增强框架使用公开的模型和语料库以及BEC检测任务提高了几个文本分类任务的性能。我们还提供了一个全面的论证我们的增强框架的局限性。
2021-03-25 cs.CL cs.IR cs.LG
Self-Supervised Image-to-Text and Text-to-Image Synthesis
Indian Institute of Technology Patna(印度理工学院巴特那分校)
全面理解视觉和语言及其相互关系对于认识这些模式之间的潜在相似性和差异以及学习更普遍、更有意义的表征至关重要。近年来,大多数与文本到图像合成和图像到文本生成相关的工作都集中在有监督的生成深度架构上来解决这些问题,其中很少有兴趣学习跨模态嵌入空间之间的相似性。在本文中,我们提出了一种新的基于自监督深度学习的方法来学习跨模态嵌入空间;用于图像到文本和文本到图像生成。在我们的方法中,我们首先使用基于StackGAN的自动编码器模型获得图像的密集矢量表示,并使用基于LSTM的文本自动编码器获得图像级的密集矢量表示;然后我们使用GAN和基于最大均值差异的生成网络研究从一种模态的嵌入空间到另一种模态的嵌入空间的映射。我们还证明了我们的模型可以从图像数据中学习生成文本描述,以及从文本数据中定性和定量生成图像。
2021-12-09 cs.CL cs.CV cs.LG
Deepfake Text Detection: Limitations and Opportunities
Virginia Tech(弗吉尼亚理工大学);University of Chicago(芝加哥大学);LUMS Pakistan(巴基斯坦拉合尔管理科学大学);University of Virginia(弗吉尼亚大学)
语言生成模型的最新进展使得能够创建令人信服的合成文本或deepfake文本。之前的工作已经证明了滥用deepfake文本误导内容消费者的可能性。因此,区分人类和机器生成文本的深度伪造文本检测变得越来越重要。已经提出了几种用于deepfake文本检测的防御方法。然而,我们对它们在现实世界中的适用性缺乏深入的了解。在本文中,我们从基于transformer的工具提供支持的4个在线服务中收集了deepfake文本,以评估防御对野生内容的泛化能力。我们开发了几种低成本的对抗攻击,并研究了现有防御对自适应攻击的鲁棒性。我们发现,许多防御显示出显着的性能下降,在我们的评估方案相比,他们原来声称的性能。我们的评估表明,利用文本内容中的语义信息是提高deepfake文本检测方案的鲁棒性和泛化性能的一种很有前途的方法。
2022-10-17 cs.CL cs.CR cs.LG
Representing text as abstract images enables image classifiers to also simultaneously classify text
Swinburne University of Technology(斯威本科技大学)
我们介绍了一种新的方法,将文本数据转换为抽象的图像表示,它允许基于图像的处理技术(例如图像分类网络)被应用到基于文本的比较问题。我们将该技术应用于美国专利中发明人姓名的实体消歧。该方法涉及将来自两个发明人姓名记录之间的每个成对比较的文本转换成2D RGB(堆叠)图像表示。然后,我们训练一个图像分类神经网络来区分这种成对比较图像,并使用训练好的网络将每对记录标记为匹配(同一发明人)或不匹配(不同发明人),从而获得高度准确的结果。我们的新文本到图像表示方法也可以更广泛地用于其他NLP比较问题,例如学术出版物的消歧,或者需要同时对文本和图像数据集进行分类的问题。
2020-02-06 cs.AI cs.CL cs.CV
Assertion Detection in Multi-Label Clinical Text using Scope Localization
Siemens Healthineers(西门子医疗)
临床领域中的多标签语句(文本)源于对患者护理过程中场景的丰富描述。用于断言检测的最先进的方法主要通过为每个句子(文本)设置单个断言标签来解决此任务。此外,很少有基于规则的方法和深度学习方法在单标签文本上执行否定/断言范围检测。这是一个重大的挑战,扩展这些方法来解决多标签的句子,而不降低性能。因此,我们开发了一种卷积神经网络(CNN)架构,以单阶段端到端的方式定位多个标签及其范围,并证明我们的模型在多标签临床文本上的表现至少比最先进的模型好12%。
2020-05-19 cs.CL cs.CV cs.LG
Text-to-Image-to-Text Translation using Cycle Consistent Adversarial Networks
University of Toronto(多伦多大学)
文本到图像的翻译一直是一个活跃的研究领域在最近的过去。网络学习句子的含义并生成描述句子的准确图像的能力显示了模型更像人类思考的能力。流行的文本到图像翻译方法利用生成对抗网络(GANs)基于文本输入生成高质量图像,但生成的图像并不总是反映作为输入的模型的句子的含义。我们通过使用字幕网络对生成的图像进行字幕来解决这个问题,并利用地面实况字幕和生成的字幕之间的距离来进一步改进网络。我们展示了我们的方法和现有方法之间的广泛比较。
2018-08-14 cs.CL cs.CV cs.LG
Text-Attributed Graph Anomaly Detection via Multi-Scale Cross- and Uni-Modal Contrastive Learning
School of Computer Science and Technology, Xi'an Jiaotong University(西安交通大学计算机科学与技术学院);Shaanxi Provincial Key Laboratory of Big Data Knowledge Engineering, Xi’an Jiaotong University(陕西省大数据知识工程重点实验室);School of Distance Education, Xi’an Jiaotong University(西安交通大学继续教育学院);University of Virginia(弗吉尼亚大学)
针对文本属性图异常检测中文本编码与检测目标脱节的问题,提出端到端范式CMUCL,通过多尺度跨模态与单模态对比学习联合训练编码器,结合不一致性挖掘估计异常分数,性能显著优于现有方法,并发布8个专用基准数据集。
2025-08-01 cs.LG
Semantically Invariant Text-to-Image Generation
Rochester Institute of Technology(罗切斯特理工学院)
图像描述已经展示了能够在给定输入图像或视频的情况下生成可信文本的模型。此外,最近的工作在图像生成中显示了显着的改善图像质量时,文本被用作先验。我们的工作通过创建一个可以实现图像和文本双向生成的架构将这些概念联系在一起。我们称这个网络为多模态向量表示(MMVR)。随着MMVR,我们提出了两个改进的文本条件图像生成。首先,引入了一个基于n-gram度量的成本函数,该成本函数概括了相对于图像的字幕。其次,多个语义相似的句子,以帮助生成更好的图像。定性和定量评价表明,MMVR改善现有的文本条件图像生成结果超过20%,同时集成视觉和文本形式。
2018-09-27 cs.CL cs.CV cs.LG
DUET: Detection Utilizing Enhancement for Text in Scanned or Captured Documents
Samsung SDS(三星SDS)
我们提出了一种用于文档图像中文本检测的新型深度神经模型。为了在有噪声的扫描文档中进行鲁棒的文本检测,通过添加文本增强的辅助任务来利用多任务学习的优点。也就是说,我们提出的模型被设计为执行噪声降低和文本区域增强以及文本检测。此外,我们还利用经过完全标记的合成文档图像丰富了该模型的训练数据,从而克服了标记文档图像数据的不足。为了有效利用合成数据和真实数据,训练过程分为两个阶段。第一阶段是以完全监督的方式仅训练合成数据。然后在第二阶段添加仅具有检测标签的真实数据。实际数据的增强任务是弱监督的,其信息来自其检测标签。我们的方法在一个真实的文档数据集上进行了验证,其性能超过了其他文本检测方法。此外,消融进行,结果证实了有效的合成数据,辅助任务,和弱监督。鉴于现有的文本检测研究主要集中在场景中的文本,我们提出的方法是优化的应用程序的文本扫描文档。
2021-06-10 cs.AI cs.CV cs.LG
TextRay: Contour-based Geometric Modeling for Arbitrary-shaped Scene Text Detection
College of Computer Science, Zhejiang University(浙江大学计算机学院)
由于文本的复杂几何布局,如大的纵横比,各种比例,随机旋转和曲线形状,因此形状复杂的文本检测是一项具有挑战性的任务。大多数最先进的方法从自下而上的角度解决这个问题,试图用简单的局部单元(例如,局部框或像素)并利用启发式后处理生成检测。在这项工作中,我们提出了一种任意形状的文本检测方法,即TextRay,它进行自上而下的基于轮廓的几何建模和几何参数学习在一个单镜头锚无框架。在极坐标系下进行几何建模,采用形状空间和参数空间的双向映射方案,将复杂的几何布局编码成统一的表示。为了有效地学习表示,我们设计了一个中心加权的训练策略和内容损失,建立几何编码和视觉内容之间的传播路径。TextRay在一个通道中输出简单的多边形检测,只有一个NMS后处理。在多个基准数据集上的实验证明了该方法的有效性。该代码可在https://github.com/LianaWang/TextRay上获得。
2020-08-12 cs.CV cs.LG
Cursive Caption Text Detection in Videos
Center of Artificial Intelligence(人工智能中心);Mantalus(曼塔鲁斯);Center of Excellence in Artificial Intelligence(人工智能卓越中心);Bahria University(巴里亚大学)
视频中出现的文本内容代表了一个有趣的索引,用于视频的语义检索(从档案),警报(实时流)的生成以及意见挖掘和内容摘要等高级应用。这种系统的关键组成部分之一是检测视频帧中的文本内容,这也是我们目前研究的主题。本文提出了一种鲁棒的技术检测出现在视频帧中的文本内容。更具体地说,我们以乌尔都语文本为案例研究草书文本。视频帧中的文本区域的检测是通过基于深度卷积神经网络针对文本检测的特定情况微调对象检测器来执行的。由于通常有多个脚本的字幕文本的视频,因此使用脚本识别模块将草书文本与拉丁文本区分开来。最后,检测和脚本识别被结合在一个端到端的可训练系统中。在大约11,000个视频帧的综合数据集上进行的实验报告了0.91的F测量。
2023-01-09 cs.AI cs.CV cs.LG
Arbitrary Shape Text Detection using Transformers
University of Waterloo(滑铁卢大学)
最近的文本检测框架需要几个手工制作的组件,例如锚点生成、非最大抑制(NMS)或多个处理阶段(例如标签生成)来检测任意形状的文本图像。相比之下,我们提出了一种基于使用Transformers(DETR)的检测的端到端可训练架构,该架构在任意形状的文本检测方面优于以前的最先进方法。在其核心,我们提出的方法利用限界框损失函数,准确地测量任意检测到的文本区域的比例和纵横比的变化。这是可能的,因为混合形状表示从贝塞尔曲线,进一步分裂成分段多边形。然后,建议的损失函数是在分段多边形上定义的广义分割相交合并损失的组合,并通过Bezier曲线的控制点上的Smooth- $\ln$回归进行正则化。我们使用Total-Text和CTW-1500数据集对弯曲文本进行评估,使用MSRA-TD 500和ICDAR 15数据集对多方向文本进行评估,并表明所提出的方法在任意形状的文本检测任务中优于以前的最先进方法。
2022-02-22 cs.CV cs.LG
Leveraging machine learning for less developed languages: Progress on Urdu text detection
COMSATS University Islamabad(伊斯兰堡科姆萨特大学);Hamad Bin Khalifa University(哈马德·本·哈利法大学)
自然场景图像中的文本检测可应用于自动驾驶,老年人和盲人的导航帮助。然而,乌尔都语文本检测的研究往往受到数据资源不足的阻碍。我们已经开发了一个带有乌尔都语文本的场景图像数据集。我们提出了使用机器学习方法来执行检测乌尔都语文本从场景图像。我们使用通道增强的最大稳定极端区域(MSER)方法提取文本区域。首先,我们分类文本和噪音的基础上,他们的几何属性。接下来,我们使用一个支持向量机的早期丢弃的非文本区域。为了进一步去除非文本区域,我们使用直方图的方向梯度(HoG)的功能获得和训练第二个SVM分类器。这提高了场景图像内的文本区域检测的整体性能。为了支持对乌尔都语文本的研究,我们的目标是使数据免费用于研究。我们还旨在强调乌尔都语文本检测的挑战和研究差距。
2022-09-28 cs.AI cs.CV cs.LG
Scene Text Detection for Augmented Reality -- Character Bigram Approach to reduce False Positive Rate
Indian Institute of Science(印度科学学院)
自然场景文本检测是场景理解的一个重要方面,是构建引人入胜的增强现实应用的有用工具。在这项工作中,我们解决了文本识别中的误报问题。我们建议通过查找字符对(bigram)而不是单个字符来提高滑动窗口文本定位器的性能。设计并训练了一个高效的卷积神经网络来检测二元组。该检测器在ICDAR 2015数据集上将假阳性率降低了28.16%。我们证明,检测bigrams是一种计算成本低廉的方式来提高滑动窗口文本定位。
2020-12-26 cs.CV cs.LG
Increasing Textual Context Size Boosts Medical Image-Text Matching
The Hebrew University of Jerusalem(希伯来大学)
这个简短的技术报告演示了一种简单的技术,可以在医学图像-文本匹配任务中产生最先进的结果。我们分析了OpenAI的CLIP(一种通用的图像-文本匹配模型)的使用,并观察到CLIP有限的文本输入大小对医疗领域的下游性能产生了负面影响,因为医疗领域通常需要对较长的文本上下文进行编码。因此,我们训练并发布ClipMD,它是用一个简单的滑动窗口技术训练来编码文本标题的。ClipMD在两个医学图像-文本数据集上进行了测试,并与其他图像-文本匹配模型进行了比较。结果表明,ClipMD在两个数据集上的表现都优于其他模型。我们公开我们的代码和预训练模型。
2023-03-23 cs.CV cs.LG
Paraphrasing Attack Resilience of Various AI-Generated Text Detection Methods
Northwestern University(西北大学)
本文评估了三种AI生成文本检测方法的改写攻击鲁棒性,发现Binoculars集成方法性能最强但攻击损失最严重,揭示了文本检测领域性能与鲁棒性之间的矛盾。
2026-06-23 cs.AI cs.LG
Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding
Google Research(谷歌研究院)
我们提出了Imagen,一个文本到图像的扩散模型,具有前所未有的逼真度和深刻的语言理解水平。Imagen建立在大型Transformer语言模型理解文本的能力之上,并依赖于扩散模型在高保真图像生成方面的能力。我们的关键发现是,在纯文本语料库上预训练的通用大语言模型(例如T5)在编码图像合成的文本时非常有效:在Imagen中增加语言模型的大小可以大大提高样本保真度和图文对齐,而不是增加图像扩散模型的大小。Imagen在COCO数据集上获得了7.27的最新FID分数,而无需在COCO上进行训练,人类评分员发现Imagen样本在图文对齐方面与COCO数据本身不相上下。为了更深入地评估文本到图像模型,我们引入了DrawBench,这是一个针对文本到图像模型的全面且具有挑战性的基准。使用DrawBench,我们将Imagen与最近的方法(包括VQ-GAN+CLIP,潜空间扩散模型和DALL-E 2)进行了比较,并发现在样本质量和图文对齐方面,人类评分员在并排比较中更喜欢Imagen。有关结果的概述,请参见https://imagen.research.google/。
2022-05-23 cs.CV cs.LG
Variational Distribution Learning for Unsupervised Text-to-Image Generation
Seoul National University(首尔国立大学);Kakao Brain
我们提出了一种基于深度神经网络的文本到图像生成算法,当文本标题的图像在训练过程中不可用。在这项工作中,而不是简单地使用现有的图像描述方法生成训练图像的伪地面实况语句,我们采用了预训练的CLIP模型,该模型能够在联合空间中正确对齐图像和相应文本的嵌入,因此,在zero-shot识别任务中效果良好。我们优化的文本到图像的生成模型,最大限度地提高数据对数似然条件对图像-文本CLIP嵌入。为了更好地对齐这两个域中的数据,我们采用了一种基于变分推理的原则性方法,该方法有效地估计了给定图像及其CLIP特征的隐藏文本嵌入的近似后验。实验结果表明,该框架在无监督和半监督的文本到图像生成设置下的性能大大优于现有的方法。
2023-03-28 cs.CV cs.LG
Textualize Visual Prompt for Image Editing via Diffusion Bridge
Western University(西安大略大学);VIVO(维沃公司);Xidian University(西安电子科技大学)
提出一种基于任意单一文本到图像模型的扩散桥框架,通过概率流常微分方程构建扩散桥并引入差分注意力控制,将视觉提示自适应文本化为文本嵌入,实现高泛化、高保真的精细图像编辑。
2025-01-27 cs.CV cs.LG
Text Detection on Roughly Placed Books by Leveraging a Learning-based Model Trained with Another Domain Data
Kumamoto University(熊本大学)
文本检测使我们能够从图像中提取丰富的信息。在本文中,我们专注于如何产生包围盒,是适当的把握书籍上的文字区域,以帮助实现自动文本检测。我们不试图通过在目标领域中使用足够多的数据来训练基于学习的模型,而是利用已经使用另一个领域数据训练过的模型。我们开发的算法,通过改进和利用基于学习的方法的结果来构建边界框。我们的算法可以利用不同的基于学习的方法来检测场景文本。实验评估表明,我们的算法工作在各种情况下,书籍大致放置。
2020-06-26 cs.CV cs.IR cs.LG
Re-Imagen: Retrieval-Augmented Text-to-Image Generator
Google Research(谷歌研究院)
文本到图像生成的研究在生成多样化和照片般逼真的图像方面取得了重大进展,这是由大规模图像-文本数据训练的扩散和自回归模型驱动的。虽然最先进的模型可以生成常见实体的高质量图像,但它们通常难以生成不常见实体的图像,例如“Chortai(狗)”或“Picarones(食物)”。为了解决这个问题,我们提出了检索增强的文本到图像生成器(Re-Imagen),这是一种生成模型,它使用检索到的信息来生成高保真和忠实的图像,即使是罕见或看不见的实体。给定文本提示,Re-Imagen访问外部多模态知识库以检索相关(图像,文本)对,并将它们用作生成图像的参考。通过这个检索步骤,Re-Imagen被增强了所提到的实体的高级语义和低级视觉细节的知识,从而提高了其在生成实体的视觉外观时的准确性。我们在一个包含(图像,文本,检索)三元组的构造数据集上训练Re-Imagen,以教会模型基于文本提示和检索。此外,我们开发了一种新的抽样策略,以交错的无分类器引导的文本和检索条件,以平衡文本和检索对齐。Re-Imagen在FID评分上比COCO和WikiImage有显著提高。为了进一步评估该模型的能力,我们引入了一个新的基准,它可以评估不同实体的图像生成,从常见到罕见,跨越多个对象类别,包括狗,食物,地标,鸟类和角色。人类对QuestityDrawBench的评价表明,Re-Imagen可以显着提高生成图像的保真度,特…
2022-11-22 cs.AI cs.CV cs.LG
Illegible Text to Readable Text: An Image-to-Image Transformation using Conditional Sliced Wasserstein Adversarial Networks
从古文字记录图像中自动识别文字是谱学领域的一个重要课题。然而,诸如变化的噪声条件、消失的文本和手写的变化等关键挑战使得识别任务变得困难。我们通过开发一个手写到机器打印的条件生成对抗网络(HW 2 MP-GAN)模型来解决这个问题,该模型将手写识别制定为文本图像到文本图像的翻译问题,其中给定的图像(通常是难以辨认的形式)被转换为另一个图像,接近其机器打印形式。该模型由三个部分组成,包括一个发生器,单词级和字符级的歧视。该模型在HW 2 MP-GAN中集成了切片Wasserstein距离(SWD)和U-Net架构,以实现更高质量的图像到图像转换。我们的实验表明,HW 2 MP-GAN在Frechet手写距离(FHD)方面优于最先进的基线cGAN模型近30,平均Levenshtein距离为0.6,IAM数据库上图像到图像翻译的单词准确率为39%。此外,与IAM数据库上的基线手写识别模型相比,HW 2 MP-GAN将手写识别单词的准确性提高了1.3%。
2019-10-11 cs.CV cs.LG eess.IV