[논문 리뷰] Text-Pass Filter: An Efficient Scene Text Detector

Chuang Yang, Haozhao Ma외 3명|arXiv (Cornell University)|2026. 01. 26.

Handwritten Text Recognition Techniques인용 수 0

한 줄 요약

이 논문은 Text-Pass Filter(TPF)를 도입하여 직접적이고 효율적인 임의 형태의 장면 텍스트 탐지를 구현하고, 텍스트 특징의 일관성과 전경 구분을 개선하기 위해 REU와 FPU를 소개한다.

ABSTRACT

To pursue an efficient text assembling process, existing methods detect texts via the shrink-mask expansion strategy. However, the shrinking operation loses the visual features of text margins and confuses the foreground and background difference, which brings intrinsic limitations to recognize text features. We follow this issue and design Text-Pass Filter (TPF) for arbitrary-shaped text detection. It segments the whole text directly, which avoids the intrinsic limitations. It is noteworthy that different from previous whole text region-based methods, TPF can separate adhesive texts naturally without complex decoding or post-processing processes, which makes it possible for real-time text detection. Concretely, we find that the band-pass filter allows through components in a specified band of frequencies, called its passband but blocks components with frequencies above or below this band. It provides a natural idea for extracting whole texts separately. By simulating the band-pass filter, TPF constructs a unique feature-filter pair for each text. In the inference stage, every filter extracts the corresponding matched text by passing its pass-feature and blocking other features. Meanwhile, considering the large aspect ratio problem of ribbon-like texts makes it hard to recognize texts wholly, a Reinforcement Ensemble Unit (REU) is designed to enhance the feature consistency of the same text and to enlarge the filter's recognition field to help recognize whole texts. Furthermore, a Foreground Prior Unit (FPU) is introduced to encourage TPF to discriminate the difference between the foreground and background, which improves the feature-filter pair quality. Experiments demonstrate the effectiveness of REU and FPU while showing the TPF's superiority.

연구 동기 및 목표

• 수축 기반의 왜곡 없이 실시간, 임의 형태의 장면 텍스트 탐지를 실현한다.
• 이전의 전체 영역 방식이 요구하는 복잡한 디코딩/후처리를 직접 텍스트 전체 영역을 추출함으로써 제거한다.
• 텍스트 특화 특징과 필터를 생성하기 위한 대역통과필터에서 영감을 받은 메커니즘(TPF)을 도입한다.
• 긴 리본 모양 텍스트 탐지를 향상시키기 위해 Reinforcement Ensemble Unit(REU)을 활용하여 인식 영역을 넓힌다.
• 특징-필터 품질을 향상시키기 위해 Foreground Prior Unit(FPU)을 도입하여 전경-배경 구분을 개선한다.

제안 방법

• 대역통과 필터를 시뮬레이션하여 텍스트 특화 특징-필터 쌍을 통해 전체 텍스트 영역을 추출하는 엔드-투-엔드 CNN 프레임워크.
• 각 텍스트에 대해 특징과 필터를 생성하는 특징-필터 쌍 생성기와 중앙점 예측 헤더.
• REU( Reinforcement Ensemble Unit )는 (1) 동일 텍스트 내 특징 일관성을 강화하고 (2) 동일 텍스트의 다중 필터를 하나의 강화된 필터로 융합한다.
• 전경-배경 구분 학습 및 중심점 위치지정을 개선하기 위한 Foreground Prior Unit(FPU).
• 무거운 디코딩 없이 병렬로 인스턴스별 텍스트 추출을 수행하는 필터 시(sieve) 후처리.

실험 결과

연구 질문

• RQ1 대역통과 필터에서 영감을 받은 메커니즘이 수축 마스크 확장이나 무거운 후처리 없이 전체 텍스트 인스턴스를 정확하게 구분할 수 있는가?
• RQ2 REU와 FPU가 접착형 및 리본형 인스턴스를 포함한 임의 형태 텍스트의 특징 일관성, 검출기 재현율 및 정밀도를 향상시키는가?
• RQ3 기존의 전체 영역 또는 수축 마스크 기반 방법과 비교한 TP F의 런타임 성능은 어떠한가?

주요 결과

• TPF가 기준선보다 정밀도/재현율/F-측정치를 높일 때 REU와 FPU를 추가하는 효과가 있으며(예: MSRA-TD500에서 REU와 FPU로 83.3에서 86.2의 F-measure로 증가).
• REU가 특징 일관성을 개선하고 필터의 인식 영역을 확장하여 병렬 패스-피처 인식으로 전체 텍스트 분할을 가능하게 한다.
• FPU가 전경-배경 구분을 개선하여 중심점 위치지정의 정확성과 텍스트 인스턴스 구분을 돕는다.
• 필터 시에 의해 텍스트를 병렬로 처리하여 추론이 여전히 효율적이며 후처리를 줄인다.
• MSRA-TD500에서 REU와 FPU를 추가하면 FPS가 33.6에서 37.7로 증가한다( baseline에서 baseline+REU+FPU로).
• 기준선과 비교할 때 REU와 FPU가 포함된 TP F는 매개변수, FLOPs, 시간 비용 간의 유리한 균형을 보인다.