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
【6月更文挑战第7天】华中科技大学团队推出VIMTS模型，刷新零样本视频文本识别SOTA。该模型通过Prompt Queries Generation Module和Tasks-aware Adapter增强跨任务协同，提升泛化能力。在多个跨域基准测试中，VIMTS平均性能提升2.6%，视频识别上超越现有方法。此创新降低OCR对标注数据依赖，为资源受限场景提供新方案。论文链接：https://arxiv.org/pdf/2404.19652
