WebOverlay：面向极端长宽比网页浮层检测的纯视觉蒸馏

论文提出纯视觉蒸馏的网页浮层检测器 WebOverlay

资讯摘要

论文提出 WebOverlay，一种从前沿视觉语言教师模型蒸馏得到的高吞吐纯视觉网页浮层检测器，用于识别 cookie 同意横幅、订阅提示、年龄门等遮挡内容。作者采用动态切块策略，将极端长宽比的整页渲染切成保持比例且带重叠的图块，并配合长宽比感知的边界判定机制消除拼接伪影；学生模型只依赖视觉线索，不解析 DOM。作者报告其显著优于基于 DOM 的启发式方法，精确率与召回率可与大型专有多模态模型基线竞争，同时吞吐量高出多个数量级、部署成本明显降低。

要点速读

1. 论文提出 WebOverlay，通过蒸馏前沿视觉语言教师模型训练纯视觉浮层检测器，不依赖 DOM 解析。
2. 采用动态切块与长宽比感知边界判定，处理极端纵向长宽比整页渲染中的文字特征丢失和边界伪影。
3. 作者报告其优于 DOM 启发式方法，精度与召回率可对标大型专有多模态模型，吞吐量高多个数量级。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。