BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

Accurate Scene Text Recognition with Efficient Model Scaling and Cloze Self-Distillation

💡 原文英文，约100词，阅读约需1分钟。
📝

内容提要

本研究提出了一种克洛兹自蒸馏方法，解决了场景文本识别中编码器与解码器扩展不足的问题。通过上下文感知的软预测和伪标签，显著提升了解码器性能，并在11个基准测试中取得了最先进的效果，同时降低了参数和计算成本。

🏷️

标签

model 伪标签 克洛兹自蒸馏 场景文本识别 解码器性能 软预测
➡️

继续阅读

  1. DeepSeek-V4 模型结构（2）：序列维度（中），Lightning Indexer 与稀疏选择
    本文介绍DeepSeek-V4模型中的压缩稀疏注意力（CSA）机制。KV缓存每4个token压缩为一条，1M上下文仍有26万条目，故用lightning ...
  2. DeepSeek-V4 模型结构（1）：序列维度（上），从 MLA 到压缩 KV
    本文介绍DeepSeek-V4的注意力机制，从MHA到CSA/HCA的演进，重点分析压缩KV缓存的方法。V4将每4或128个token压缩为一条512维K...
  3. DeepSeek-V4 模型结构（0）：一张图看懂 DeepSeek-V4
    本文介绍DeepSeek-V4模型架构：Pro版总参数1.6T、61层，Flash版284B、43层，均采用4条残差流、交错CSA/HCA压缩注意力与Mo...
  4. CD销量激增，实体媒体持续复兴
    美国唱片业协会报告显示，2026年上半年CD销量达1750万张，同比增长45.7%，销售额增长58.6%至1.711亿美元，扭转了此前下滑趋势。黑胶唱片销...
  5. Kimi K3 模型结构（7）：结构决定系统
    本文总结Kimi K3模型结构对训练与推理系统的影响。KDA采用三种执行形态（FlashKDA、设备内上下文并行、状态回滚）处理固定大小状态；上下文并行通...
  6. Kimi K3 模型结构（6）：输入端与零件，MoonViT-V2、MTP、Per-Head Muon
    Kimi K3模型采用从零训练的MoonViT-V2视觉编码器，27层、patch14结构，支持高分辨率图像token化；MTP层预训练后微调为EAGLE...
👤 个人中心
在公众号发送验证码完成验证