Paper review/Document Enhancement

[Document Enhancement] DE-GAN: A Conditional Generative Adversarial Network for Document Enhancement 번역 및 설명

요 블로그 주인장 2022. 1. 12. 15:01
반응형

@ 굵은 글씨는 중요한 내용, 빨간 글씨는 내가 추가한 내용

 

https://arxiv.org/pdf/2010.08764.pdf

 

  • 정리: 문서 이미지 향상 task에서 처음으로  GAN을 사용 및 loss 함수 추가, SOTA 달성

 

0. Abstract

  • 디지털화 된 문서는 다양한 손상을 받고, 이는 OCR의 성능을 저하시킨다.
  • 본 논문에서는 conditional GAN(cGAN)을 사용하여 손상된 문서 이미지를 복원하는 endo-to-end 프레임워크 DE-GAN(Document Enhancement Generative Adversarial Network)을 제안한다.
    • 문서 이미지 강화 task에서 처음으로 generative adversarial deep networks 사용
    • 다양한 task(문서 정리, 이진화, 디블러링 및 워터마크 제거)에서 DE-GAN이 고품질의 향상된 문서 생성
    • DIBCO dataset에서 SOTA에 비해 일관된 개선을 제공하여 이상적인 이미지로 복원 가능
    • 실험 결과를 통해 다른 문서 강화 task에 활용될 수 있음을 입증

 

3. PROPOSED APPROACH

  • 문서 향상 task를 iamge-to-image로 다루고, 손상된 이미지를 고려하여 깨끗한 이미지를 생성하는 것이 목표
    • DEGAN(for Document Enhancement conditional Generative Adversarial Network)이라 부른다.
    • cGAN 사용
      • GAN은 두 개의 신경망, 생성기 G와 판별기 D로 구성
      • 생성기 G는 무작위 노이즈 벡터 z에서 이미지 y, 로의 매핑 학습
      • 판별기 D는 G에 의해 생성된 fake 이미지와 real 이미지를 구별 학습
      • y가 주어지면 D는 확률값인를 출력하여 fake인지 real인지 판별
      • 이 두 네트워크는 min-max game으로 서로 경쟁하며 학습
      • G는 real에 가까운 이미지를 생성하여 판별자를 속이는 것을 목표로 하지만 D는 이미지의 real, fake를 판별하는 것을 목표로 한다 (= 적대적 학습). 
      • cGAN은 추가 매개 변수 x를 도입한 것을 제외하고 동일하다. 이는 조건화 이미지이다.
      • G는 관찰된 이미지 x와 무작위 노이즈 벡터 z에서로의 매핑을 학습
      • D는 프로세스를를 학습 
  • G는 손상된(watermarked) image lw가 주어지면 clean image Ic를 생성한다.
    • G는 ground truth image GT에 매우 가까운 이미지를 생성하는 것을 목표로 한다.
    • 손실함수는 다음과 같음

 

  • 이 손실함수를 통해 G는 GT와 유사한 이미지를 생성해서 D를 속여야 한다.
    • 하지만 내용이 보존되는 지 알 수 없다 (=D를 속이기 위한 시각적 품질만 향상되고, document 내용은 손실될 수 있음)
    • document 내용 보존을 위해, Ic와 GT 사이에 추가 log loss 함수를 사용
      • 이 추가 손실은 학습 속도를 높인다.
    • 추가 손실함수는 다음과 같음

 

  • 최종 제안 손실 함수는 다음과 같음
    • text cleaning에서 λ=100, watermark removal과 document binarization에서 λ=500

 

3.1 Generator

  • G는 image-to-image translation을 수행한다.
  • 일반적으로 이 task에는 auto-encoder자동 인코더 모델이 사용된다.
    • 특정 layer까지 convolutional과 downsampling을 수행하는 encoder
    • 그 후, convolution과 upsampling을 수행하는 decoder
  • 하지만 해당 모델은 단점이 존재한다.
    • downsampling으로 인해 많은 정보가 손실됨에 따라, 입력과 동일한 크기의 이미지를 예측할 때 모델이 복구하는 데 어려움이 존재함
    • 이미지 정보 흐름이 병목 현상을 포함한 모든 계층을 통과함에 따라 대량의 중복 발생 (입력 및 출력이 많은 동일한 픽셀을 공유하고 있음) (down sampling이 진행됨에 따라 output이 input과 동일한 크기를 갖게 하기 위해 필요한 픽셀보다 더 많이 input하고, 중복으로 겹쳐서 convolution을 수행함)
  • 이를 해결하기 위해 U-net이라는 모델의 구조를 따라 skip connection 사용
    • skip connection은 두 layer마다 추가되는데, 기울기가 사라지고 폭발하는 문제를 방지하기 위해 매우 깊은 모델을 훈련할 때도 스킵 커넥션을 사용
    • batch normalization layer 추가
    • G의 구조는 다음과 같다.

 

3.2 Discriminator

  • G는 생성된 이미지가 실제일 확률을 포함하는 2D 매트릭스를 출력하는 6개의 컨볼루션 레이어로 구성된 단순 완전 컨볼루션 네트워크(FCN)이다.
  • D의 구조는 아래와 같다.
    • lw와 lc혹은 lw와 GT를 입력 받는다.
    • 256 x 256 x 2 shape
    • 마지막 layer output : 16 × 16 × 1
    • G에서 나온 이미지 lc인 경우 D는 0, 실제 GT인 경우 D는 1을 출력해야 한다. 
    • 마지막 layer는 sigmoid
  • lw가 주어지면, cleaning하기 위해 G를 사용하고, D는 경쟁 학습을 통해 G가 더 나은 결과 lc를 만들도록 한다.

 

3.3 Training process

  • DE-GAN 학습 방법
    • 256×256 크기의 저하된 이미지에서 패치를 가져와 G 입력
    • 생성된 이미지 Ic는 GT와 lw와 함께 D에 입력
    • 식 (3)처럼 D는 G의 "fake"를 탐지하고, G는 "real"과 구별할 수 없는 이미지를 생성하도록 학습
    • optimizer=Adam, lr=1e -4

 

4. EXPERIMENTS AND RESULTS

4.1 Document cleaning and binarization

  • Noise Office Database 사용
    • 112개의 학습 이미지에서, 256 x 256 픽셀 크기의 패치 추출 -> 1356쌍의 패치 생성
    • FCN과의 비교 결과

  • 모델 결과 예시

  • DIBCO 2013 Dataset에서의 SOTA 모델 비교 결과
    • DE-GAN이 우수하다는 것을 확인할 수 있음

  • 방법론 비교 결과 예시

  • 최신 DIBCO 데이터 세트인 DIBCO 2017에서 모델 비교 실험 결과

  • 최신 방법론과의 비교 결과
    • 기존 SOTA 방법론은 많은 사전 처리 및 후처리 단계를 통합한 방법
    • 반면 DE-GAN은 추가적인 처리 단계 없이 여러 데이터 세트에서 우수한 능력을 보임

 

4.2 Watermark removal

  • 결과는 다음과 같다.

  • 결과 예시

 

4.3 Comparison with other GAN models

  • pix2pix 모델을 기반으로 한다 (더 깊은 생성기 G와 추가 손실 사용).
  • 본 모델과 GAN, pix2pixHD의 비교 실험 수행.
    • 높은 성능 달성

 

4.4 Document deblurring

  • DE-GAN은 이진화, 잡음 제거 및 워터마크 제거와 같은 다양한 문제에서 SOTA를 달성한다.
  • 더 어려운 task인 deblurring에서 실험을 수행한다.
    • pix2pixHD와 비슷한 결과를 제공하지만, 일부 문자를 예측하는 것은 더 정확하다.
      • But) 사용된 데이터 세트는 300x300px 이미지 패치이지만, pix2pixHD는 더 큰 패치에서 작동

 

4.5 OCR evaluation

  • Tesseract OCR을 사용하여 테스트 수행 
    • 문자 오류율: 0.37(lw) -> 0.01 (lc)

 

 

5. CONCLUSION

  • 손상된 문서 이미지를 복원하기 위해 DE-GAN이라는 문서 강화 생성 적대적 네트워크 제안
    • DE-GAN은 더 깊은 생성기와 다른 추가 손실(adversarial + log)을 가진 네트워크
    • 문서 강화 task를 위한 GAN의 첫 적용
    • 밀도 높은 워터마크(또는 스탬프) 제거인 문서 개선에서의 새로운 문제 제안
    • SOTA를 능가하는 성능 
  • 제안 방법이 기준 OCR 성능을 큰 폭으로 향상시킨다.
    • 향후 연구로, 판별기 부분에 OCR 평가 추가함으로써 판별자에게 본문을 읽는 능력을 주어 그것이 진짜인지 가짜인지를 결정할 수 있도록 함
    • 이를 통해 더 읽기 쉬운 이미지를 생성하도록 학습될 것
    • 더 많은, 다양한 손상이 발생하는 모바일 캡처 문서에서 DEGAN의 성능 테스트

 

My Discussion

--> 사실 그냥 pix2pix를 documnet image에 적용했다 + loss함수를 추가했다 뿐 별거 없음

--> 20년도 document 논문에 GAN을 사용한게 많은듯함

--> 근데 20년도 IEEE Transactions on Pattern Analysis and Machine Intelligence 실림 (Q1, 상위 1%이내)

--> 인용수도 15회뿐

 

반응형