본 논문은 Transformer 기반의 end-to-end text spotting 방법에서 발생하는 bipartite graph matching의 불안정성 문제를 해결하기 위해 새로운 denoising training 방법인 DNTextSpotter를 제안합니다. DNTextSpotter는 denoising 부분의 queries를 noised positional queries와 noised content queries로 분해하여, Bezier 곡선의 제어점을 이용해 positional queries를 생성하고, masked character sliding 방법을 통해 content queries를 초기화합니다. 또한, 배경 문자 분류를 위한 추가 손실 함수를 사용하여 배경 인식 능력을 향상시킵니다. 결과적으로, DNTextSpotter는 Total-Text, SCUT-CTW1500, ICDAR15, Inverse-Text 데이터셋에서 최첨단 성능을 달성하였으며, 특히 Inverse-Text 데이터셋에서 기존 최고 성능 대비 11.3% 향상을 보였습니다.
