ABCNet v2：面向实时端到端文本识别的自适应贝塞尔曲线网络

端到端文本检测与识别（end-to-end text-spotting）旨在将文本检测与识别任务整合到统一框架中，因其简化了两个互补任务的流程而受到越来越多关注。然而，在处理任意形状文本实例时，该问题仍属开放性难题。以往方法大致可分为两类：基于字符的方法和基于分割的方法，这些方法通常需要字符级标注，且由于输出结果缺乏结构化，往往还需复杂的后处理步骤。本文提出自适应贝塞尔曲线网络v2（Adaptive Bezier Curve Network v2, ABCNet v2），以应对端到端文本检测与识别的挑战。本文的主要贡献有四点：1）首次提出使用参数化贝塞尔曲线自适应拟合任意形状文本，相较于基于分割的方法，该方法不仅能生成结构化输出，还具备可控的表示能力；2）设计了一种新颖的贝塞尔对齐层（BezierAlign），用于提取任意形状文本实例的高精度卷积特征，显著提升了识别精度，优于以往方法；3）与以往方法常依赖复杂后处理和对超参数敏感不同，ABCNet v2 保持了简洁的处理流程，仅需唯一的后处理步骤——非极大值抑制（non-maximum suppression, NMS）；4）鉴于文本识别性能高度依赖特征对齐，ABCNet v2进一步引入一种简单而高效的坐标卷积（coordinate convolution），用于编码卷积核的位置信息，从而在几乎不增加计算开销的前提下，实现了显著的性能提升。在多种中英文双语基准数据集上的全面实验表明，ABCNet v2 在保持极高效能的同时，达到了当前最优的性能水平。