低资源环境下基于最优传输的手写体文字识别
计算机视觉与模式识别
2025-09-23 v1 机器学习
摘要
手写体文字识别（HTR）是文档图像理解领域的核心任务。现有方法均依赖大量标注数据进行训练，在面对历史档案等资源有限的领域时难以实际应用。本文提出一种新框架，不同于传统 HTR 模型范式，可利用词汇特征的轻微先验知识，特别适用于标注数据稀缺的场景。我们提出一种迭代式引导方法，通过最优传输（OT）将从无标签图像中提取的视觉特征与语义词表示进行对齐。以最小的标注样本为起点，该框架迭代匹配单词图像与文本标签，生成高置信度对齐的伪标签，并在不断增长的数据集上重新训练识别器。数值实验表明，我们的迭代视觉-语义对齐方案在低资源 HTR 基准上显著提升了识别准确率。
引用
@article{arxiv.2509.16977,
title = {Optimal Transport for Handwritten Text Recognition in a Low-Resource Regime},
author = {Petros Georgoulas Wraight and Giorgos Sfikas and Ioannis Kordonis and Petros Maragos and George Retsinas},
journal= {arXiv preprint arXiv:2509.16977},
year = {2025}
}