DINOv2 大规模字体分类的参数高效微调
计算机视觉与模式识别
2026-04-06 v2 机器学习
摘要
我们提出了 GoogleFontsBench，这是第一个针对开源网页字体分类的公共基准，填补了仅覆盖商业字体的现有基准之间的空白。GoogleFontsBench 包含 394 个字体变体，跨越 32 个 Google Fonts 家族，一个可复现的合成数据生成管道（约 575 张图像/变体，约 226K 总图像），以及一个以视觉严重性加权错误的类型学依据评估指标 (SWER)。我们使用 DINOv2 Vision Transformer 主干网络建立基线，测试六种微调策略。仅训练模型 1% 的参数（约 87.2M 参数）即可实现 99.0% 的 Top-1 准确率，错误比随机猜测少 140 倍。我们发布了基准、所有训练好的模型以及完整的训练管道作为开源资源。
引用
@article{arxiv.2602.13889,
title = {Parameter-Efficient Fine-Tuning of DINOv2 for Large-Scale Font Classification},
author = {Daniel Chen and Zaria Zinn and Marcus Lowe},
journal= {arXiv preprint arXiv:2602.13889},
year = {2026}
}