(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211204015.0 (22)申请日 2022.09.29 (71)申请人 维沃移动通信有限公司 地址 523863 广东省东莞 市长安镇维沃路1 号 (72)发明人 海同舟　 (74)专利代理 机构 北京远志博慧知识产权代理 事务所 (特殊普通合伙) 11680 专利代理师 李翠雅 (51)Int.Cl. G06F 40/58(2020.01) G06V 30/14(2022.01) G06V 10/82(2022.01) G06F 40/284(2020.01)G06F 40/289(2020.01) G06F 40/30(2020.01) (54)发明名称 文本翻译方法、 装置、 电子设备及存 储介质 (57)摘要 本申请公开了一种文本翻译方法、 装置、 电 子设备及存储介质， 属于图像技术领域。 该方法 包括获取待翻译图像的M个文本区域中的文本行 信息， 每个文本区域中包含一行文本； 基于文本 行信息， 对待翻译图像划分， 得到N个待翻译区 域； 其中， 任一文本区域对应的文本行信息包括 以下至少之一： 任一文本区域的位置信息， 任一 文本区域中的文本行的排版信息， 任一文本区域 中的文本信息 。 权利要求书2页 说明书11页 附图2页 CN 115481644 A 2022.12.16 CN 115481644 A 1.一种文本翻译方法， 其特 征在于， 所述方法包括： 获取待翻译图像的M个文本区域中的文本行信息， 每 个文本区域中包 含一行文本； 基于所述文本行信息， 对所述待翻译图像划分， 得到N个待翻译区域； 其中， 任一文本区域对应的文本行信 息包括以下至少之一： 任一文本区域的位置信 息， 任一文本区域中的文本行的排版信息， 任一文本区域中的文本信息 。 2.根据权利要求1所述的方法， 其特征在于， 基于所述文本行信息， 对所述待翻译图像 划分， 得到N个待翻译区域， 包括： 对所述M个文本区域中的文本行进行卷积处理， 得到所述M个文本区域中的文本行的视 觉特征信息； 对所述M个文本区域中的文本行进行分词处理， 得到所述M个文本区域中的文本行的语 义特征信息； 根据所述文本行信息、 所述视觉特征信息和所述语义特征信息， 对所述待翻译图像进 行划分， 得到所述 N个待翻译区域。 3.根据权利要求2所述的方法， 其特征在于， 所述对所述M个文本区域中的文本行进行 分词处理， 得到所述M个文本区域中的文本行的语义特 征信息， 包括： 根据所述M个文本区域中的文本行的文本， 确定文本序列， 所述文本序列为对所述M个 文本区域中的文本行的文本进行分词得到的序列； 对所述文本序列中的文本进行编码处理， 得到所述M个文本区域中的文本行的语义特 征信息。 4.根据权利要求2所述的方法， 其特征在于， 所述根据所述文本行信息、 所述视觉特征 信息和所述语义特 征信息， 对所述待翻译图像进行划分， 得到N个待翻译区域， 包括： 对所述文本行信息、 所述视觉特征信息和所述语义特征信息进行转化处理， 得到目标 概率值， 所述目标概 率值用于表征 所述待翻译图像中的M个文本区域是否合并的概 率。 5.根据权利要求1所述的方法， 其特征在于， 所述基于所述文本行信息， 对所述待翻译 图像划分， 得到N个待翻译区域之后， 所述方法还 包括： 基于采集到的用户注视所述待翻译图像的注视信 息， 确定所述用户在屏幕上的注视点 的位置信息； 基于所述位置信 息， 从所述N个待翻译区域中确定目标待翻译区域， 并翻译所述目标待 翻译区域中的文本段落。 6.一种文本翻译装置， 其特 征在于， 所述文本翻译装置包括： 获取模块和处 理模块； 所述获取模块， 用于获取待翻译图像的M个文本区域中的文本行信 息， 每个文本区域中 包含一行文本； 所述处理模块， 用于基于所述文本行信息， 对所述待翻译图像划分， 得到N个待翻译区 域； 其中， 任一文本区域对应的文本行信 息包括以下至少之一： 任一文本区域的位置信 息， 任一文本区域中的文本行的排版信息， 任一文本区域中的文本信息 。 7.根据权利要求6所述的装置， 其特征在于， 所述处理模块， 具体用于对所述M个文本区 域中的文本行进行卷积处理， 得到所述M个文本区域中的文本行的视觉特征信息； 并对所述 M个文本区域中的文本行进行分词处理， 得到所述M个文本区域中的文本行的语义特征信权　利　要　求　书 1/2 页 2 CN 115481644 A 2息； 以及根据所述文本行信息、 所述视觉特征信息和所述语义特征信息， 对所述待翻译图像 进行划分， 得到所述 N个待翻译区域。 8.根据权利要求7所述的装置， 其特征在于， 所述处理模块， 具体用于根据 所述M个文本 区域中的文本行的文本， 确定文本序列， 所述文本序列为对所述M个文本区域中的文本行的 文本进行分词得到的序列； 并对 所述文本序列中的文本进行编 码处理， 得到所述M个文本区 域中的文本行的语义特 征信息。 9.根据权利要求7所述的装置， 其特征在于， 所述处理模块， 具体用于对所述文本行信 息、 所述视觉特征信息和所述语义特征信息进行转化处理， 得到目标概率值， 所述目标概率 值用于表征 所述待翻译图像中的M个文本区域是否合并的概 率。 10.根据权利要求6所述的装置， 其特征在于， 所述文本翻译装置包括： 确定模块和翻译 模块； 所述确定模块， 用于所述处理模块基于所述文本行信息， 对所述待翻译图像划分， 得到 N个待翻译区域之后， 基于采集到的用户注视所述待翻译图像的注视信息， 确定所述用户在 屏幕上的注视点的位置信息； 所述翻译模块， 用于基于所述确定模块确定的所述位置信 息， 从所述N个待翻译区域中 确定目标待翻译区域， 并翻译所述目标待翻译区域中的文本段落。 11.一种电子设备， 其特征在于， 包括处理器， 存储器及存储在所述存储器上并可在所 述处理器上运行的程序或指 令， 所述程序或指 令被所述处理器执行时实现如权利要求 1至5 中任一项所述的文本翻译方法的步骤。 12.一种可读存储介质， 其特征在于， 所述可读存储介质上存储程序或指令， 所述程序 或指令被处 理器执行时实现如权利要求1至 5中任一项所述的文本翻译方法的步骤。权　利　要　求　书 2/2 页 3 CN 115481644 A 3