WebOverlay：面向极端纵横比网页遮罩检测的高吞吐纯视觉蒸馏方法

WebOverlay 通过从前沿视觉-语言教师模型蒸馏，实现了高吞吐纯视觉检测。该模型使用动态分块策略处理极端纵横比渲染，避免了因缩放导致的文本特征丢失。 它依赖纯视觉线索，绕过了 DOM 树解析，消除了跨模态延迟开销。 检测精度与重量级专有 MLLM 基准相当，但吞吐量高出多个数量级，部署成本大幅降低。