浙大阿里 PixText 修复生成图文字:字形通过率 83% 远超基线

ATH-MaaS · hf · 2026-10-15

浙江大学与阿里巴巴提出 PixText,将图像局部文字修复建模为像素空间的分组图像生成:以原图为条件,只生成目标文字区域,保留未编辑内容,并用 MeanFlow 实现四步生成。现有 VAE 方法重建时易丢细笔画,全图编辑则易改变背景色,PixText 针对性解决了这两点。

作者还发布 Text Refinement Bench 评测基准。在该基准上,PixText 字形通过率达 83.06%,目标字符 OCR 精确率 94.66%,而最强基线仅为 36.77% 和 52.31%。四步 MeanFlow 变体保留 81.84% 通过率,单张图均摊生成成本不足 1 GPU 秒。