近日，我院邵志文教授团队在多媒体与计算机视觉领域的国际顶级期刊IEEE Transactions on Multimedia（TMM）发表题为“Textrsr: Enhanced arbitrary-shaped scene text representation via robust subspace recovery”的学术论文。该研究引入鲁棒子空间恢复技术，针对任意形状场景文本表示的鲁棒性不足问题开展系统性研究，有效提升了复杂场景下文本特征表示的准确性与稳定性，为场景文本识别、图像检索等下游任务提供了关键技术支撑。
TextRSR框架图
该研究聚焦任意形状场景文本表示这一核心技术难题，针对现有方法在复杂背景、形变干扰、尺度变化等场景下易出现特征失真、表示能力不足的问题，创新性地引入鲁棒子空间恢复技术，结合场景文本的结构特性与语义信息，构建了一套高效的文本特征增强表示框架TextRSR。研究突破了传统场景文本表示依赖局部特征提取、难以适配任意形状文本的局限，通过子空间恢复理论对文本特征进行降噪与增强，挖掘文本特征的内在低维结构，有效过滤复杂背景与形变带来的干扰，实现了对任意形状（如弯曲、倾斜、不规则）场景文本的精准表示。
具体而言，Textrsr框架以鲁棒子空间恢复为核心，设计了三重关键机制：一是基于主成分分析的特征提纯机制，通过拟合文本特征的低维子空间，剔除背景噪声与冗余信息，保留文本核心特征；二是自适应特征对齐机制，结合文本的空间结构与语义关联，实现不同尺度、不同形变文本特征的精准对齐，提升特征表示的一致性；三是残差补偿机制，针对子空间恢复过程中的特征损失，设计残差模块进行补充修正，进一步增强特征表示的完整性与鲁棒性。大量实验结果表明，TextRSR框架在多个主流场景文本数据集上表现优异，不仅在任意形状文本表示任务中显著优于现有基线方法，而且在复杂背景、极端光照、严重形变等挑战性场景下，仍能保持较强的稳定性与泛化能力，无需引入额外外部知识即可适配多种下游计算机视觉任务。
IEEE Transactions on Multimedia（TMM）是IEEE旗下多媒体领域的权威旗舰期刊，由IEEE信号处理学会、电路与系统学会、通信学会、计算机学会四大学会联合主办，创刊于1999年，深耕多媒体技术研究与应用二十余年。该期刊于2026年3月依据CCF第七版推荐目录，从CCF-B晋升为计算机图形学与多媒体领域CCF-A顶刊，同时位列中科院计算机科学大类1区TOP、JCR全学科Q1，最新影响因子达9.7，近10年影响力持续攀升，在全球多媒体、计算机视觉、信号处理等领域具有较高的学术权威性与影响力，是相关领域研究者发表高水平成果的核心平台。
该项成果是计算机科学与技术学院/人工智能学院近年来聚焦学科前沿、深耕核心技术，坚持“入主流、有特色”科研理念的重要体现，也是学院在多媒体与计算机视觉交叉领域取得的又一突破性进展。未来，计算机科学与技术学院/人工智能学院将持续对标国内一流学科建设标准，强化学科内涵建设，鼓励教师团队聚焦国家战略需求与行业技术痛点，潜心开展高水平基础研究与应用研究，持续产出具有国际影响力的标志性成果，为学院学科高质量发展、助力我国人工智能与多媒体技术产业升级提供有力支撑。
