論文の概要: Zero-Shot Chinese Character Recognition via Global-Local Dual-Branch Alignment and Hierarchical Inference

• arxiv url: http://arxiv.org/abs/2605.08814v1
• Date: Sat, 09 May 2026 09:05:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.903927
• Title: Zero-Shot Chinese Character Recognition via Global-Local Dual-Branch Alignment and Hierarchical Inference
• Title（参考訳）: グローバルローカルデュアルブランチアライメントと階層推論によるゼロショット漢字認識
• Abstract要約: 漢字のカテゴリーは非常に大きく、未確認の文字はオープンワールドのシナリオでしばしば現れる。 既存のIDSベースの検索手法は通常、文字画像とそのイデオロギー記述シーケンスを1つのグローバルベクトルに符号化してマッチングする。 文字画像とIDSシーケンスのグローバルおよびローカル表現を共同で学習するグローバルローカル階層知覚ネットワーク(GL-HPN)を提案する。
• 参考スコア（独自算出の注目度）: 15.854290215907179
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Chinese character categories are extremely large, and unseen characters frequently arise in open-world scenarios, making zero-shot Chinese character recognition an important yet challenging problem. Existing IDS-based retrieval methods usually encode a character image and its ideographic description sequence into a single global vector for matching. Although efficient, such holistic alignment often under-models local component differences. Moreover, directly introducing patch-token level fine-grained interaction suffers from both the noise of structural operators in IDS and the high cost of full-candidate retrieval.To address these issues, we propose a Global-Local Hierarchical Perception Network (GL-HPN), which jointly learns global and local representations of character images and IDS sequences within a unified cross-modal alignment framework. The global branch supports efficient coarse recall, while the local branch improves component-level discrimination through patch-token interaction. We further introduce a structure filtering mask to suppress structurally meaningful but visually non-entity IDS operators in local similarity aggregation. On top of this, we design a coarse-to-fine hierarchical inference strategy that performs global retrieval over the full candidate set and local reranking only on Top-$K$ candidates, followed by parameter-free multiplicative fusion of normalized posterior scores. Experimental results show that GL-HPN achieves competitive performance across multiple zero-shot splits, performs especially well under low-resource settings, and substantially reduces the inference cost of large-scale candidate retrieval.
• Abstract（参考訳）: 中国語の文字分類は非常に大きく、オープンワールドのシナリオでは目に見えない文字がしばしば現れるため、ゼロショット漢字認識は重要かつ困難な問題となっている。 既存のIDSベースの検索手法は通常、文字画像とそのイデオロギー記述シーケンスを1つのグローバルベクトルに符号化してマッチングする。 効率的ではあるが、そのような全体的アライメントは、しばしば局所的なコンポーネントの違いをモデル化する。 さらに,IDSにおける構造演算子のノイズと全候補検索のコストの両面から,パッチツーケンレベルのきめ細かなインタラクションを直接導入することは困難であり,これらの問題に対処するために,一貫したクロスモーダルアライメントフレームワーク内で文字画像とIDSシーケンスのグローバルおよびローカル表現を共同で学習するグローバルローカル階層知覚ネットワーク(GL-HPN)を提案する。 グローバルブランチは効率的な粗いリコールをサポートし、ローカルブランチはパッチとトークンのインタラクションを通じてコンポーネントレベルの識別を改善する。 さらに、局所的な類似性集約において、構造的に有意だが視覚的に非有意なIDS演算子を抑制する構造フィルタリングマスクを導入する。 そこで我々は,全候補集合上で大域的検索を行い,Top-K$候補上でのみ局所的に再ランク付けする粗大な階層的推論戦略を設計し,その後に正規化後楽譜のパラメータフリー乗算融合を行う。 実験結果から,GL-HPNは複数のゼロショットスプリット間での競合性能を実現し,特に低リソース環境下では良好に動作し,大規模候補検索の推論コストを大幅に削減できることがわかった。

関連論文リスト

• ROGLE: Robust Global-Local Alignment with Automated Region Supervision for Text-Based Person Search [12.859616063162491]
  テキストベースパーソンサーチモデルは、大域的な表現バイアスと短いキャプションでのトレーニングから受け継がれた意味空間性のために、きめ細かな理解に苦慮している。 ROGLEは、自動化された領域間マッチング戦略により、コストのかかる手作業によるアノテーションへの依存を克服する統合フレームワークである。 また、P-VLGベンチマーク(P-VLG Benchmark)についても紹介する。
  論文  参考訳（メタデータ） (2026-06-01T07:41:44Z)
• From Local Indices to Global Identifiers: Generative Reranking for Recommender Systems via Global Action Space [50.72071213515985]
  GloRankは、ローカルインデックスの選択からグローバル識別子の生成に移行する、ジェネレーティブなフレームワークである。 我々はGloRankが最先端のベースラインを一貫して上回り、コールドスタートシナリオにおいて優れたロバスト性を実現することを示す。
  論文  参考訳（メタデータ） (2026-04-28T06:57:00Z)
• From Global to Local: Rethinking CLIP Feature Aggregation for Person Re-Identification [20.74226476678832]
  中間パッチトークンとCLIPのテキスト埋め込み空間でパラメータ化されたアンカーベクトルを整列することで、同一性表現を再構築するSAGA-ReIDを提案する。 制御された実験は、2つの定性的に異なる条件下で凝集機構を分離する。 ベンチマーク評価では、CLIP-ReIDよりも標準設定と無視設定で一貫したゲインを確認している。
  論文  参考訳（メタデータ） (2026-04-24T03:37:21Z)
• Efficiency Follows Global-Local Decoupling [62.05489838893081]
  ConvNeurは、軽量なニューラルメモリブランチがトークンの集合にグローバルなコンテキストを集約する2分岐アーキテクチャである。 学習ゲートは、グローバルなキューが目的を絞ることなく、局所的な特徴を調整できる。 標準的な分類、検出、セグメンテーションのベンチマークでは、ConvNeurは同等または低い計算で同等の選択肢にマッチするか、超えている。
  論文  参考訳（メタデータ） (2026-03-20T02:20:16Z)
• UAGLNet: Uncertainty-Aggregated Global-Local Fusion Network with Cooperative CNN-Transformer for Building Extraction [83.48950950780554]
  リモートセンシング画像からの抽出は、複雑な構造変化のために難しい課題である。 既存の方法は、セグメンテーションモデルにおけるマルチスケール特徴をキャプチャするために、畳み込みブロックまたは自己アテンションブロックを使用する。 高品質なグローバルローカルなビジュアルセマンティクスを活用するために,不確実性集約型グローバルローカルフュージョンネットワーク(UAGLNet)を提案する。
  論文  参考訳（メタデータ） (2025-12-15T02:59:16Z)
• FedSaaS: Class-Consistency Federated Semantic Segmentation via Global Prototype Supervision and Local Adversarial Harmonization [14.90727017126931]
  統合セマンティックセグメンテーションは、協調学習による画像のピクセルレベルの分類を可能にする。 我々は、FedSaaSと呼ばれるクラス一貫性に挑戦する新しいフレームワークを提案する。 本フレームワークは,平均セグメンテーション精度を大幅に向上させ,クラス一貫性表現問題に効果的に対処する。
  論文  参考訳（メタデータ） (2025-05-14T13:38:30Z)
• Robust Saliency-Aware Distillation for Few-shot Fine-grained Visual Recognition [57.08108545219043]
  サンプルが少ない新しいサブカテゴリを認識することは、コンピュータビジョンにおいて不可欠で挑戦的な研究課題である。 既存の文献は、ローカルベースの表現アプローチを採用することでこの問題に対処している。 本稿では,ロバスト・サリエンシ・アウェア蒸留法(RSaD)を提案する。
  論文  参考訳（メタデータ） (2023-05-12T00:13:17Z)
• Semantics-Aware Dynamic Localization and Refinement for Referring Image Segmentation [102.25240608024063]
  画像の参照は、言語表現からのイメージセグメントを参照する。 そこで我々は,局所化中心からセグメンテーション言語へ移行するアルゴリズムを開発した。 比較すると,本手法はより汎用的で有効である。
  論文  参考訳（メタデータ） (2023-03-11T08:42:40Z)
• RING++: Roto-translation Invariant Gram for Global Localization on a Sparse Scan Map [20.276334172402763]
  本稿では、位置認識のためのロト変換不変表現と、回転と翻訳の両方のグローバル収束を持つRing++を提案する。 理論的保証により、RING++はスパーススキャン付き軽量マップを使用して、大きな視点差に対処することができる。 これはスパーススキャンマップにおけるグローバルローカライゼーションのすべてのサブタスクに対処する初めての学習不要フレームワークである。
  論文  参考訳（メタデータ） (2022-10-12T07:49:24Z)
• Local-Global Associative Frame Assemble in Video Re-ID [57.7470971197962]
  ビデオ列から自動生成されたオブジェクト境界ボックスにおける雑音および非表現フレームは、ビデオ再識別(Re-ID)における識別表現の学習に困難をもたらす 既存の手法の多くは、局所的な部分アライメントまたはグローバルな外観相関によって、ビデオフレームの重要性を個別に評価することで、この問題に対処している。 本研究では,局所的なアライメントとグローバルな相関関係を共同で検討し,相互の促進・強化について考察する。
  論文  参考訳（メタデータ） (2021-10-22T19:07:39Z)
• Cross-Domain Facial Expression Recognition: A Unified Evaluation Benchmark and Adversarial Graph Learning [85.6386289476598]
  我々は,クロスドメイン全体的特徴共適応のための新しい逆グラフ表現適応(AGRA)フレームワークを開発した。 我々は,いくつかの一般的なベンチマークで広範囲かつ公平な評価を行い,提案したAGRAフレームワークが従来の最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-08-03T15:00:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。