用于文档图像去畸变的门控与分叉堆叠U-Net模块

通过手持设备拍摄文档图像，是记录文档最简便且常用的方法之一。然而，此类图像常因拍摄角度、镜头畸变等因素产生难以消除的几何失真。为此，我们提出一种基于监督学习的门控式分叉级联U-Net模块（Gated and Bifurcated Stacked U-Net），用于预测去畸变网格，并从输入图像重建无畸变图像。尽管网络在合成畸变文档图像上进行训练，但评估结果均基于真实世界图像。本方法的创新之处不仅在于对U-Net结构进行分叉设计，有效避免网格坐标之间的相互干扰，还在于引入门控机制，显著增强了模型对边界及细微线条等细节的捕捉能力。我们提出的端到端处理流程，在仅使用此前方法所用数据量8%的情况下，即在DocUNet数据集上实现了当前最优的性能表现。