
OCR小模型仍有机会!华科等提出VIMTS:零样本视频端到端识别新SOTA
OCR小模型仍有机会!华科等提出VIMTS:零样本视频端到端识别新SOTA通过提示查询生成模块和任务感知适配器,大一统框架VimTS在不同任务间实现更好的协同作用,显著提升了模型的泛化能力。该方法在多个跨域基准测试中表现优异,尤其在视频级跨域自适应方面,仅使用图像数据就实现了比现有端到端视频识别方法更高的性能。
来自主题: AI技术研报
8340 点击 2024-05-28 13:53
通过提示查询生成模块和任务感知适配器,大一统框架VimTS在不同任务间实现更好的协同作用,显著提升了模型的泛化能力。该方法在多个跨域基准测试中表现优异,尤其在视频级跨域自适应方面,仅使用图像数据就实现了比现有端到端视频识别方法更高的性能。