본 논문은 불규칙적인 텍스트 레이아웃, 낮은 이미지 품질, 문자 변이 및 높은 계산 비용으로 인해 실제 환경에서 종종 성능이 저하되는 기존 광학 문자 인식(OCR) 모델의 문제점을 해결하기 위해 경량적이고 효율적인 단일 문자 인식 아키텍처인 SDA-Net(Stroke-Sensitive Attention and Dynamic Context Encoding Network)을 제시한다. SDA-Net은 스트로크 수준 및 공간적 특징 추출을 향상시키는 이중 어텐션 메커니즘, 학습 가능한 게이팅 메커니즘을 사용하여 의미 정보를 적응적으로 개선하는 동적 컨텍스트 인코딩 모듈, 저수준 및 고수준 특징을 결합하는 U-Net에서 영감을 받은 특징 융합 전략, 그리고 메모리 및 계산 요구량을 줄이는 고도로 최적화된 경량 백본을 통합한다. 실험 결과, SDA-Net은 어려운 OCR 벤치마크에서 최첨단 정확도를 달성하고 추론 속도가 훨씬 빨라 실시간 및 에지 기반 OCR 시스템에 적합함을 보여준다.
