AMR-CCR：面向持续中文字符识别的锚定模块化检索
计算机视觉与模式识别
2026-03-10 v1
摘要
古代中文字符识别是文化遗产数字化的核心能力，但现实世界的工作流程本质上是非平稳的：不断发现的新材料不断接入，带来不同书体的新类别，并随时间扩展类别空间。我们将此过程formalize为持续中文字符识别（Continual Chinese Character Recognition, Continual CCR），一个脚本阶段性、类别增量式的设置，捆绑两个挑战：（i）在类别持续增长、细微类别差异且增量数据稀缺的条件下进行可扩展学习；（ii）由于撰写者和载体条件差异导致的显著类别内部多样性。为克服传统封闭集分类的局限性，我们提出 AMR-CCR，一种锚定模块化检索框架，通过在共享多模态空间中的嵌入-based 字典匹配进行识别，允许通过简单扩展字典来添加新类别。AMR-CCR 进一步引入轻量级脚本条件注入模块（SIA+SAR），以校准新接入的脚本，同时保持跨阶段嵌入兼容性；并引入基于图像的多原型字典，将类内嵌入聚类，以更好地覆盖多样化的书写风格模式。为支持系统化评估，我们构建了 EvoCON，一个六阶段的持续脚本接入基准，覆盖六种书体（OBC、BI、SS、SAC、WSC、CS），并augmented以含义/形状描述，以及针对无图像 exemplar 的未见字符的显式零样拆分。
引用
@article{arxiv.2603.07497,
title = {AMR-CCR: Anchored Modular Retrieval for Continual Chinese Character Recognition},
author = {Yuchuan Wu and Yinglian Zhu and Haiyang Yu and Ke Niu and Bin Li and Xiangyang Xue},
journal= {arXiv preprint arXiv:2603.07497},
year = {2026}
}