跳到正文
热点事件持续更新

研究者提出零样本汉字识别两阶段框架

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

针对 CLIP 式零样本汉字识别丢弃部首空间布局、对未见类别泛化差的问题,Yu-Heng Shih 等作者提出全局到局部的两阶段框架。 该框架中,STG-CLIP 为 IDS 加入树位置与部首级几何先验,生成空间感知原型用于高召回全局检索;部首验证模块(RVM)以候选部首为查询,验证其能否匹配输入字形的空间兼容区域,并仅在全局候选得分接近时由 margin 门控激活。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月8日
  1. arXiv cs.CV
    从全局对齐到局部定位:基于部首验证的零样本汉字识别

    针对 CLIP 式零样本汉字识别丢弃部首空间布局、对未见类别泛化差的问题,研究者提出全局到局部的两阶段框架:STG-CLIP 为 IDS 加入树位置与部首级几何先验,生成空间感知原型用于高召回全局检索;部首验证模块(RVM)以候选部首为查询,验证其能否匹配输入字形的空间兼容区域,并仅在全局候选得分接近时由 margin 门控激活。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。