TextDS：分布变化下场景文本检测的参数高效表示对齐

在现实世界的部署中，场景文本检测器不可避免地会面临超出训练分布的分布变化。先前的工作通常依赖于大规模场景文本预训练，但跨域变化和现实世界图像退化下的评估仍然有限。我们提出了 TextDS，一种用于分布变化下场景文本检测的有效框架。首先，我们提出了一种具有视觉基础模型的数据高效的双编码器设计，消除了对大规模场景文本预训练的依赖。其次，我们引入了逐步 LoRA 自适应（SWLoRA），它通过动态提前退出机制执行渐进的低秩细化，以实现有效的特征自适应。第三，我们提出公共子空间融合（CSF）来对齐和融合共享子空间中的两个分支，同时保留互补的、移位鲁棒的信息。最后，我们构建了不利条件场景文本检测数据集，以解决成像退化下评估的差距。实验表明，TextDS 在场景文本检测中实现了具有竞争力的性能，仅用 490 万个可训练参数就展示了跨领域和不利成像条件的鲁棒性。