lenubolim / textdiff Goto Github PK

您好！我阅读了您的论文，但在某些部分我还有一些理解上的困惑。因此，我希望能够向您请教并解答一些疑问。非常感谢您的时间和帮助！
我看到您在扩散模型的训练过程中，给出的公式中xt是由xres加噪获取的图像，这里为什么可以将GT的信息（GT减去SR）作为模型训练的条件？在预测过程中，这部分依旧是xres吗，还是其他的内容？

作者您好，
我在尝试自行复现的过程中遇到以下几点疑惑：

1. 论文中报告DocDiff在TextZoom数据集的aster识别平均正确率只有56%，与我跑的结果相似，您认为是什么原因导致DocDiff在该数据集上表现不佳呢？
2. 您是否尝试过在输入网络前对图片进行STN，该操作对识别率影响大嘛？
3. 您是否尝试过在TextZoom上不使用第一阶段的CNN而是直接训练ddpm呢，效果是否有明显下降？

期待您的回复~

Hi,

This is a nice work! Is there a plan to release the code?

Thanks