面向跨脚本手写体检索的语言无关视觉嵌入
计算机视觉与模式识别
2026-01-19 v1
摘要
手写词检索对于数字档案库至关重要，但由于手写变异性大和跨语言语义鸿沟，仍面临挑战。虽然大型视觉语言模型提供了潜在解决方案，但其昂贵的计算成本阻碍了实际边缘部署。为此，我们提出一种轻量级非对称双编码器框架，学习统一且风格无关的视觉嵌入。通过联合优化实例级对齐和类别级语义一致性，方法将视觉嵌入锚定到语言无关语义原型中，以强制跨脚本和书写风格的不变性。实验表明，我们的方法在28个基线上均优异，并在同语言检索基准中实现了最先进的准确率。我们进一步进行显式的跨语言检索，其中查询语言与目标语言不同，以验证所学跨语言表示的有效性。该框架仅需现有模型参数的一小部分，即可实现准确且资源高效的跨脚本手写体检索。
引用
@article{arxiv.2601.11248,
title = {Language-Agnostic Visual Embeddings for Cross-Script Handwriting Retrieval},
author = {Fangke Chen and Tianhao Dong and Sirry Chen and Guobin Zhang and Yishu Zhang and Yining Chen},
journal= {arXiv preprint arXiv:2601.11248},
year = {2026}
}
备注
9 pages,5 figures