PSTR RankMIL
Partial Scene Text Retrieval
data: CSVTRv2、ReCTS、LSVT、STR、ArT 等中英文场景文字数据
引言
将查询文本与场景文字映射到共享空间，用排序 MIL 过滤噪声，并以动态部分匹配检索文字行内部片段。研究对象为场景文字检索。
方法
（1）共享嵌入：把查询文本和场景文字片段映射到同一空间。
（2）RankMIL：自适应筛选噪声片段，学习无局部标注的检索相似度。
（3）动态匹配：DPMA 在推理时直接匹配文字行内部片段，减少候选包开销。
原文Fig. 2，PDF 第 3 页。
实验
实验设置
区分文字行检索和局部文字片段检索，使用 mAP，并比较在线/离线推理效率。
主要结果
CMSL 在中英文检索中均有收益；中文字符类别多时 PHOC 维数增加，使跨模态匹配尤为重要。
原文TABLE 2，PDF 第 8 页。
消融与讨论
消融跨模态相似度学习、RankMIL 和 DPMA；数据对象与 WSI 不同，指标不能混用。
参考文献
Partial Scene Text Retrieval
本文归入相关 MIL 方法：具体研究对象见数据与实验设置。