WebOverlay：面向极端长宽比网页浮层检测的高通量纯视觉蒸馏
英文标题：WebOverlay: High-Throughput Vision-Only Distillation for Extreme Aspect-Ratio Web Overlay Detection
针对 Cookie 授权横幅、订阅弹窗和年龄验证门等网页浮层（Web Overlay）阻碍自动化爬虫并降低文档解析质量的问题，研究团队提出了 WebOverlay 纯视觉蒸馏方案。虽然专有多模态大语言模型（MLLM）在识别网页浮层方面表现出色，但其推理成本高昂且难以满足海量网页抓取的高吞吐需求。该方法专注于极端长宽比网页视口的浮层检测任务，通过纯视觉知识蒸馏实现了高通量与高效率。这一成果对自动化网页数据采集、预训练语料清洗以及多模态文档解析等开发者与行业应用具有重要实用价值。
打开原文相关 2.4 · 机会 0
2.0 KB
612 B
380 B
24.2 KB
34.7 KB
中文
摘要
网页浮层（Web overlays，如 Cookie 同意横幅、新闻邮件订阅提示以及年龄验证门等）常常阻碍自动化网络爬虫的正常运行，并严重损害下游文档表示的质量。尽管专有的多模态大语言模型（MLLM）能够精准识别这些浮层，但其推理成本极高。为此，WebOverlay 提出了一种面向极端长宽比网页浮层检测的高通量纯视觉蒸馏方法。
BibTeX 引用格式
×
English / 原文
BibTeX formatted citation
×