Prism 砍掉多尺度融合与重型检测头,在 HierText 上把段落 PQ 从 55.2 提到 66.8
分层文本检测要同时定位词、行、段落并还原它们的包含关系,以往靠多尺度特征融合、重型检测头和可学习的关系模块堆出精度,推理效率因此偏低。Prism 只用骨干网络单一尺度特征图上的并行轻量检测头分别预测词、行、段落,再用最小外接框的几何包含计算自下而上拼出层级。在 HierText 测试集上,它的词、行、段落 PQ 分别为 75.8、71.1、66.8,对应比 OmniParser V2 高 14.2、6.6、11.6 点;在 CTW1500 上以 65.1 FPS 运行,快于 LRANet。