面向中文场景文本编辑的不确定性感知生成网络

摘要

通过研究，提出了一种基于不确定性建模的中文场景文本编辑（Chinese scene text editing,CSTE）方法，并发现了1种有效的技术解决方案.该方法通过不确定性引导的调整机制优化预测噪声，提升噪声估计准确性，从而增强生成文本的清晰度和结构完整性.同时，通过过滤文本和图像特征中的无关信息，提高了跨模态对齐能力，实现了文本与背景纹理的融合.

关键词

中文场景文本编辑 / 不确定性感知机制 / 跨模态对齐 / 冗余消除 / 噪声矫正

基金资助

海南省自然科学基金重点研发计划资助项目（624LALH002）; 北京交通大学交通大数据与人工智能教育部重点实验室开放基金资助项目（BATLAB202403）