文字擦除领域其实和图像修复差不多，erasenet中有一段讲述两者区别的描述。
传统的文字擦除输入的image，gt和mask，将文字定位包含到文字擦除任务中是不大合理的，像做水印擦除的思路，一般是先检测出水印的位置，再去做文字擦除，当然不直接做文字检测，用生成出来的样本做文字擦除也可以，此外文字擦除和图像修复比较类似，其实本质也是一个图像修复的任务，是想获取生成之后去掉了文字的图，背景是要恢复的，从这个角度出发，是肯定需要image和去掉了文字的gt，这里去掉了文字的gt是比较难获取的，一般要通过ps去操作，而通常合成的这种数据，尤其是随机合成的这种数据某种程度上还是有缺陷的，合成数据也需要输入一张纯净图以及对应要输入的文字。
1.self-supervised text erasing with controllable image synthesis，阿里的自监督的文字擦除，输入是未经过文字ps的原图以及对应文字位置的mask，这个其实很难，因为只给了对应文字的位置，其实没给去掉文字应该恢复回来的背景，即真正的gt。
2.Erasenet: end-to-end text removal in the wild，金连文的这篇输入是原图以及对应的经过ps的gt以及文字位置的mask，文字位置的mask是用来做文字擦除位置感知loss的gt的。