论文地址：https://arxiv.org/abs/2203.10492

本文简要介绍被CVPR 2022录用的论文《SimAN: Exploring Self-Supervised Representation Learning of Scene Text via Similarity-Aware Normalization》。该论文利用同一文本行的颜色、纹理等趋于一致的特点，解耦风格与内容，构造训练样本，再引导模型重新组合风格与内容，实现自监督表征学习。实验表明，通过预训练，提升了模型的表征能力。此外，在多样化数据生成、任意长文本编辑和字体风格插值等任务上，该自监督方法展现了不错的潜力，表明有更广泛的应用场景。 

内容中包含的图片若涉及版权问题，请及时与我们联系删除