本論文では、シーンテキスト検出のための画素単位の手法であるTextCohesionを提案します。この手法は、テキストインスタンスを5つの主要なコンポーネントに分割します：テキスト骨格（Text Skeleton）と4つの方向性ピクセル領域（Directional Pixel Regions）。これらのコンポーネントは、全体のテキストインスタンスよりも扱いやすいです。類似した文字をフィルタリングするための信頼度スコアリングメカニズムが設計されています。複雑な背景においても、当手法はテキストコンテクストを強力に統合することができます。2つの曲線的な課題ベンチマークにおける実験結果から、TextCohesionは最先端の手法を上回り、Total-TextではF値84.6%、SCUT-CTW1500では86.3%の性能を達成しました。注：「bfseries」は原文中に誤って含まれていると思われます。通常、これはLaTeXなどの文書作成ソフトウェアで太字を指定するために使用されるコマンドです。ここでは太字として解釈し、「86.3%」を太字で表示しています。