基于任务类比的零样态合成到真实手写文字识别
计算机视觉与模式识别
2026-04-14 v1
摘要
训练于合成手写体的手写文字识别（HTR）模型常常难以泛化到真实文本，而现有的适应方法仍需要来自目标域的真实样本。在本工作中，我们针对完全零样态合成到真实的泛化设置进行了研究，即没有来自目标语言的真实数据。我们的 approach learns how model parameters change when moving from synthetic to real handwriting in one or more source languages and transfers this learned correction to new target languages. 当使用多个 source 时，我们依赖于语言相似性来对其贡献进行加权。实验覆盖五种语言和六种 architecture，结果显示相较于仅使用合成数据的基线，本方法 consistently 提升了性能，并且 transferred corrections 甚至能惠及与 source 无关的语言。
引用
@article{arxiv.2604.09713,
title = {Zero-Shot Synthetic-to-Real Handwritten Text Recognition via Task Analogies},
author = {Carlos Garrido-Munoz and Aniello Panariello and Silvia Cascianelli and Angelo Porrello and Simone Calderara and Jorge Calvo-Zaragoza and Rita Cucchiara},
journal= {arXiv preprint arXiv:2604.09713},
year = {2026}
}