标题：基于噪声增强与几何关系感知的文本视觉问答方法
作者：胡晓东1；崔瑞雪2，3；熊席慧1；王旭智2，3 万旺根2，3 朱秋煜2，3 何雨明2，3
作者单位：1 上海海达通信有限公司，上海 200444；2 上海大学通信与信息工程学院，上海 200444；3 上海大学智慧城市研究院，上海 200444
关键字：文本视觉问答；对比学习；几何关系
摘要：传统方法通常假定文本识别高度正确，但现实中，OCR系统常因图像模糊、光照不均或字体多样化等因素导致识别文本出现错误，影响模型的推理与理解能力。为此，提出了一种基于噪声增强与几何关系感知的文本视觉问答方法，引入了OCR噪声增强与对比学习模块，提高模型对OCR错误的鲁棒性。改进了传统指针网络，将几何关系特征融入动态预测过程，增强模型对空间信息的建模能力。实验结果表明，所提方法有效提升了模型对OCR噪声的鲁棒性，并增强了空间推理能力。