arXiv cs.AI· Jiannan Huang, Jerry Ding, Li Yu, Zhenting Li·· 1 天前AI 评分31
WebOverlay：面向极端宽高比网页浮层检测的高吞吐纯视觉蒸馏方案
WebOverlay: High-Throughput Vision-Only Distillation for Extreme Aspect-Ratio Web Overlay Detection
AI 导读
WebOverlay 是一个纯视觉网页浮层检测器，通过从前沿视觉语言教师模型蒸馏训练，无需解析 DOM 树即可识别 cookie 同意横幅、订阅提示等遮挡元素。它采用动态切块策略将极端宽高比的整页渲染切成保持宽高比的重叠图块，并配合宽高比感知的边界判定机制消除拼接伪影。该方法显著优于基于 DOM 的启发式规则，精度与召回率可媲美大型专有多模态模型，同时吞吐量高出数个数量级、部署成本大幅降低。
正文 · AI 翻译
摘要：网页覆盖层，例如 Cookie 同意横幅、订阅提示和年龄验证门，会阻碍自动化网络爬虫并降低下游文档表示的质量。虽然专有的多模态大语言模型（MLLM）能够准确识别覆盖层，但其延迟和推理成本使其无法用于网络规模的抓取。相反，轻量级视觉模型难以处理具有极端垂直长宽比的整页渲染图，在这种情况下，标准的各向同性缩放会破坏关键文本特征并导致误报。在这项工作中，我们提出了 WebOverlay，一种仅基于视觉的高吞吐量检测器，通过从前沿视觉语言教师模型进行蒸馏训练而成。我们建立了一种动态分块策略，将极端长宽比的网页渲染图分割为保持长宽比且具有空间重叠的图块，并结合长宽比感知的边界裁定机制来消除边界伪影。为消除跨模态延迟开销，我们的学生模型仅依赖视觉线索，绕过 DOM 树解析。WebOverlay 显著优于基于 DOM 的启发式方法，并在与重型专有 MLLM 基线的对比中实现了有竞争力的精确率和召回率，同时提供高出多个数量级的吞吐量并大幅降低部署成本。
| 评论： | 9 页，2 幅图，2 张表 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）；信息检索（cs.IR） |
| ACM 分类： | I.4.8; H.3.5; I.2.10 |
| 引用为： | arXiv:2610.41037 [cs.CV] |
| （或 arXiv:2610.41037v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.41037 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jiannan Huang [查看邮箱]
[v1]
2026 年 10 月 29 日星期四 22:29:33 UTC（918 KB）
来源：arXiv cs.AI · arxiv.org