利用偏旁部首进行汉字向量嵌入，研发了一种具有专门神经网络结构的方法，在中文字符相似度判别和中文词分割等任务上，该方法通过整合汉字中的偏旁部首信息，实现了较好的效果。

Apr, 2014

介绍一个街景图中的大规模中文文本数据集，该数据集包含超过30,000张街景图中的大约1百万个中文字符，同时提供基准结果使用AlexNet，OverFeat，Google Inception和ResNet进行字符识别，使用YOLOv2进行字符检测。

Feb, 2018

本文提出了基于偏旁部首的低维特征嵌入方法，配合LSTM模型用于古代汉语文本的句子分割，实验结果表明，相较于已有方法，在汉文句子分割上取得了更好的效果，尤其是唐代碑文的处理。

Oct, 2018

本文填补了中文文本识别领域的数据集缺失和统一的评测标准，提出了搜集四大类中文文本数据集的方法，为各类应用场景提供基准，并探究了基于偏旁部首的辅助方法对中文识别性能的提升。

Dec, 2021

本篇论文提出了一种名为StrokeNet的新型汉字表示方法，它通过拉丁化的笔划序列为汉字表示，解决了学习瓶颈和参数瓶颈问题，可应用于神经机器翻译中，有效提高翻译性能并减少模型参数。

Nov, 2022

构建一个包含基本水平和字符水平注释的古代汉字图像数据集，并提出一种基于字符分解和重组的零样本光学字符识别基准模型，实验证明了数据集和基准模型的有效性。

Aug, 2023

利用字符图像重建网络（CIRN）对纵向中文文本进行识别，通过分离内容和方向信息，提高自然场景中横向和纵向文本的识别性能。

Sep, 2023

我们提出了一个受人类认知中文文本方式启发的两阶段框架，通过对齐印刷字符图像和表意描述序列（IDS）来预训练一个类似CLIP的模型，从而改进传统的单字符识别到文本行识别，并在两种基准测试中证明了该方法的有效性，特别是在零样本中文字符识别方面表现出色。

Sep, 2023

我们介绍了一个包含60亿个图像-文本配对的双语（中英文）数据集BM-6B，通过提出一种新颖的分组聚合方法来处理此规模的数据集，大大减少了通信开销和GPU内存需求，从而提高了训练速度，我们预训练了一系列双语图像-文本基础模型，并在BM-6B上取得了提升视觉和文本理解能力的成果，这些模型在多模态检索和分类任务方面树立了新的基准，并且我们的最大模型在零样本分类设置下，在ImageNet上的top-1准确率分别超过了以前报道的SoTA方法2.2%和21.1%。

Jan, 2024

本研究探讨了当代大型语言模型（LLMs）和视觉语言模型（VLMs）在汉字中识别和利用偏旁等视觉信息的能力，填补了这一领域的研究空白。通过建立基准，我们发现模型在理解汉字的视觉元素方面存在一定知识，但仍然有限，并且在将偏旁信息融入提示时，模型在词性标注任务中的表现显著提升，显示了整合子字符信息的潜力。

Oct, 2024