令人惊叹的文档图像校正

基于深度学习的优秀文档图像校正方法的全面列表。

目录

• 论文
• 数据集
• 演示

论文

年份	会议/期刊	标题	代码	结果
2018	CVPR	DocUNet: 基于堆叠U-Net的文档图像去卷曲
2019	TOG	基于补丁的CNN进行文档校正与光照校正*	代码
2019	ICCV	DewarpNet: 基于堆叠3D和2D回归网络的单张文档去卷曲	代码	链接
2020	PR	利用对抗门控去卷曲网络进行文档图像几何校正
2020	CVPR	BEDSR-Net: 基于单张文档图像的深度阴影去除网络*
2020	ECCV	现在你能读懂我吗？基于角度监督的内容感知校正
2020	DAS	通过全卷积网络进行位移场估计实现文档图像去卷曲	代码
2020	BMVC	野外文档图像的内在分解*	代码
2021	ACM MM	DocTr: 用于几何去卷曲和光照校正的文档图像Transformer*	代码	链接
2021	ICCV	文档图像的端到端分段去卷曲	代码
2021	ICDAR	基于控制点的文档去卷曲	代码
2022	CVPR	傅里叶文档修复用于鲁棒的文档去卷曲与识别
2022	CVPR	重新审视基于网格正则化的文档图像去卷曲		链接
2022	ACM MM	Marior: 边距去除与内容迭代校正用于野外文档去卷曲		链接
2022	ACM MM	UDoc-GAN: 基于背景光照先验的无配对文档光照校正*	代码
2022	SIGGRAPH	从野外文档中学习以提升文档去卷曲效果	代码	链接
2022	ECCV	用于文档图像校正的几何表示学习	代码	链接
2022	ECCV	学习等距曲面参数化以进行纹理展开	代码
2022	ICPR	使用堆叠暹罗网络在复杂场景中进行文档图像校正
2023	arXiv	基于等距映射的折痕文档图像几何校正
2023	IJDAR	基于文档地图生成的严重扭曲相机拍摄文档图像的自适应去卷曲
2023	TMM	深度无限制文档图像校正	代码
2023	IJDAR	Inv3D: 高分辨率3D发票数据集用于模板引导的单张文档去卷曲	代码
2023	arXiv	DocAligner: 通过简单拍照标注真实世界摄影文档图像	代码
2023	arXiv	MataDoc: 边距和文本感知的任意边界文档去卷曲
2023	ICCVW	针对几何重建不完善的文档图像的模板引导光照校正	代码
2023	ICCV	前景和文本行感知的文档图像校正	代码
2023	TAI	野外相机拍摄文档图像的外观增强*	代码
2023	ACM TOG	布局感知的单张文档展平	代码	链接
2023	WACV	DocReal: 基于注意力增强控制点预测的鲁棒真实生活图像文档去卷曲	代码
2023	TCSVT	重新思考文档去卷曲中的监督：一种自洽的无流方法
2023	SIGGRAPH	UVDoc: 基于神经网格的文档去卷曲	代码
2023	arXiv	Polar-Doc: 基于极坐标表示的多尺度约束单阶段文档去卷曲
2024	ACM MM	文档注册：迈向扭曲与平坦文档之间像素级对齐的自动化标注
2024	AAAI	DocNLC: 具有归一化和潜在对比表示的多退化文档图像增强框架	代码
2024	ICPR	DocHFormer: 通过层次化先验的协调建模进行文档图像去卷曲
2024	CVPR	DocRes: 一种面向统一文档图像修复任务的通用模型	代码
2025	IJCV	DocScanner: 基于渐进式学习的鲁棒文档图像校正	代码	链接
2025	WACV	DocMatcher: 基于结构和文本行匹配的文档图像去卷曲	代码
2025	ICDAR	DAA-Net: 用于文档图像校正的动态适应性聚合网络
2025	ACM MM	Uni-DocDiff: 基于扩散的统一文档修复模型
2025	CVPR	利用稳定扩散Transformer进行文档图像校正
2025	arXiv	DvD: 基于坐标扩散模型释放文档去卷曲的生成范式
2025	ICCV	ForCenNet: 以前景为中心的文档图像校正网络	代码
2025	arXiv	TADoc: 鲁棒的时间感知文档图像去卷曲
2026	arXiv	BookNet: 基于跨页注意力网络的书籍图像校正

• 结果 是 DocUNet 基准数据集 上的校正图像。
• 符号 "*" 表示该工作涉及文档图像的光照校正。

数据集

年份	会议/期刊	标题	类型	链接
2018	CVPR	DocUNet: 基于堆叠 U-Net 的文档图像去畸变	真实	数据集
2019	TOG	基于补丁的 CNN 进行文档校正与光照校正	合成	数据集
2019	ICCV	DewarpNet: 使用堆叠 3D 和 2D 回归网络的单张文档去畸变	合成	数据集
2020	DAS	通过全卷积网络进行位移场估计实现文档图像去畸变	合成	数据集
2021	ICDAR	基于控制点的文档去畸变	合成	数据集
2022	CVPR	用于鲁棒文档去畸变和识别的傅里叶文档修复	真实	数据集
2022	SIGGRAPH	从野外文档中学习以改进文档去畸变	真实	数据集
2022	ECCV	用于文档图像校正的几何表征学习	真实	数据集
2022	ICBD	ADIU: 古籍文档图像去畸变数据集	两者
2023	IJDAR	基于文档地图生成的严重畸变相机拍摄文档图像自适应去畸变	真实	数据集
2023	TMM	深度无限制文档图像校正	真实	数据集
2023	SIGGRAPH	UVDoc: 基于神经网格的文档去畸变	合成	数据集
2023	arXiv	DocAligner: 通过简单拍照标注真实世界摄影文档图像	真实	数据集
2023	IJDAR	Inv3D: 高分辨率 3D 发票数据集，用于模板引导的单张文档去畸变	合成	数据集

演示

年份	名称	平台	类型
2019	DewarpNet: 使用堆叠 3D 和 2D 回归网络的单张文档去畸变		在线演示
2021	DocTr: 用于几何去畸变和光照校正的文档图像 Transformer	Hugging Face	在线演示
2022	DocGeoNet: 用于文档图像校正的几何表征学习	Hugging Face	在线演示
2022	dewarp	TextIn	在线演示
2023	深度无限制文档图像校正	自托管	在线演示
2023	Inv3D: GeoTrTemplate & IllTrTemplate	自托管	在线演示

致谢

• 本仓库将根据主要人工智能会议和期刊的日程安排定期更新。

Awesome-Document-Image-Rectification 快速上手指南

本指南旨在帮助开发者快速了解并上手基于深度学习的文档图像矫正（Document Image Rectification）技术。由于本项目是一个资源汇总列表（Awesome List），而非单一的可执行软件，因此“安装”和“使用”通常指代列表中具体的某个算法模型（如 DocTr, DewarpNet, DocScanner 等）。

以下以列表中较新且通用的 DocTr (Document Image Transformer) 或类似主流模型为例，展示标准的上手流程。请根据实际需求替换为列表中其他具体项目的仓库地址。

1. 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统: Linux (推荐 Ubuntu 18.04/20.04) 或 macOS。Windows 用户建议使用 WSL2。
• Python 版本: Python 3.7 - 3.9 (大多数深度学习项目对此范围支持最好)。
• GPU 支持: 推荐使用 NVIDIA GPU 以加速推理和训练（需安装对应的 CUDA 驱动）。
• 前置依赖:
  • git: 用于克隆代码库。
  • pip 或 conda: 包管理工具。
  • PyTorch: 核心深度学习框架。

国内加速建议：

• 安装 PyTorch 时，推荐使用清华或中科大镜像源。
• 克隆 GitHub 仓库如遇网络问题，可使用 Gitee 镜像（若作者同步）或通过代理加速。

2. 安装步骤

以下命令以 DocTr 为例（其他项目步骤类似，请参考对应 Repo 链接）：

2.1 克隆项目代码

git clone https://github.com/fh2019ustc/DocTr.git
cd DocTr

(注：若访问 GitHub 缓慢，可尝试搜索该项目的 Gitee 镜像或使用 git clone https://ghproxy.com/https://github.com/fh2019ustc/DocTr.git)

2.2 创建虚拟环境 (推荐)

使用 Conda 创建隔离环境：

conda create -n doc_rect python=3.8
conda activate doc_rect

2.3 安装深度学习框架

根据是否有 GPU 选择安装命令（推荐使用清华镜像源）：

CPU 版本:

pip install torch torchvision torchaudio --index-url https://pypi.tuna.tsinghua.edu.cn/simple

GPU 版本 (以 CUDA 11.8 为例):

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

2.4 安装项目依赖

进入项目目录并安装 requirements.txt 中的依赖：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

如果项目中没有 requirements.txt，通常需要手动安装 opencv-python, numpy, scipy, pillow 等基础库。

3. 基本使用

大多数文档矫正模型的使用流程分为：下载预训练权重 -> 准备输入图片 -> 运行推理脚本。

3.1 下载预训练模型

许多项目在 README 中提供了 Google Drive 或百度网盘的权重链接。以 DocTr 为例，下载预训练权重文件（例如 doc_tr.pth）并放入项目指定的文件夹（通常是 weights/ 或 checkpoints/）。

若原链接为百度网盘，请使用提取码下载；若为 Google Drive 且无法访问，可寻找社区提供的镜像链接。

3.2 准备测试图片

将需要矫正的弯曲文档图片放入 input/ 目录，或记住图片的绝对路径。

# 示例：假设你有一张名为 curved_doc.jpg 的图片
mkdir -p input
cp /path/to/your/curved_doc.jpg input/

3.3 运行推理

执行官方提供的测试脚本。命令格式通常如下（具体参数请参照各子项目的 README）：

python test.py --config configs/doc_tr.yaml --checkpoint weights/doc_tr.pth --input_dir input/ --output_dir output/

或者针对单张图片的简单调用：

python demo.py --image_path input/curved_doc.jpg --save_path output/result.jpg

3.4 查看结果

运行完成后，矫正后的平整文档图像将保存在 output/ 目录中。您可以使用图片查看器对比原图与结果图。

---

提示：本列表包含了从 2018 年到 2026 年的多种方法。

• 若需处理严重阴影，请选择标题带 "Illumination Correction" 的项目（如 UDoc-GAN, DocNLC）。
• 若需处理复杂背景，请关注 "In-the-wild" 相关项目（如 Marior, DocReal）。
• 若追求最新 SOTA 效果，建议优先尝试 2023-2025 年间的项目（如 DocScanner, DocRes, ForCenNet）。