LearnOpenCV 测试 22MB 离线视觉模型 Mirage 标牌识别

LearnOpenCV 在社交平台放出 Cactus Compute 推出的 22MB 离线视觉模型 Mirage 的标牌识别实测结果，Mirage 是轻量化端侧多任务视觉模型，一次推理同时完成 OCR 文字识别、目标检测、图像分割、场景理解，不需要联网，适合手机、穿戴、机器人这类边缘设备，本次标牌测试可以看出它基础英文识别稳定，但带重音的西文字符、南亚小语种文字缺陷明显，暴露这个小体积模型在字符集覆盖上的短板。Mirage 总参数量 5130 万，经过 2-bit 量化压缩到 22MB，官方支持 7 种欧洲语言，主打低延迟本地推理，Galaxy S26 上 NPU 推理 74ms、CPU 推理 107ms，输出结构化 JSON 数据，方便下游开发。LearnOpenCV 选取多语种路牌、铁路标牌做对照测试，简单无重音英文单词全部识别正确，法语、德语带重音字母全部识别出错，印地语、泰卢固语标牌完全识别失败，测试作者建议落地产品前，一定要针对目标使用语言做专项验证。开发者使用流程是本地导入模型、输入图像，模型一次性输出检测框、文字内容、掩码和场景信息；它适合简单英文场景端侧感知项目，如果需要多语种、带变音符号、南亚文字识别，现阶段不能直接商用。

一、Mirage 模型基础信息

二、LearnOpenCV 标牌测试结果汇总

1. 无重音普通英文标牌：6 个样本全部识别正确
2. 带重音欧洲文字（法语 ARRÊT、德语 Straße 等）：8 个样本全部识别错误，重音丢失
3. 印地语、泰卢固语铁路标牌：4 个样本全部识别失败

三、模型优势清单

1. 体积极小，22MB，能放进手表、低端 MCU、老款手机等资源有限硬件
2. 一站式多任务，单模型同时做识别、检测、分割，不用部署多个独立 CV 模型
3. 推理速度快，端侧 NPU 可以做到百毫秒以内实时处理
4. 离线运行，不存在网络延迟、隐私上传风险
5. 输出结构化数据，直接对接机器人、车载感知、穿戴设备应用

四、当前明显短板

1. 对带变音符号、特殊字符的欧洲语言识别鲁棒性很差
2. 不支持印地语、泰卢固语、中文等东亚、南亚文字
3. 通用 OCR 能力不如专门 OCR 模型，属于兼顾型轻量化 VLM，不是专业文字引擎
4. 小模型容量有限，复杂场景、模糊标牌容易翻车

五、适用与不适合场景

✅ 适合：简单英文标识识别、机器人简单场景感知、穿戴设备本地看图、低算力硬件 Demo 验证

❌ 不适合：多语种交通标牌、跨境路牌识别、中文场景、高精度证件 OCR 商用项目

【相关 FAQ】

问题 1：LearnOpenCV 测试的 22MB 离线视觉模型 Mirage 是什么？

回答 1：Mirage 是 Cactus Compute 推出的轻量化离线多任务视觉模型，2bit 量化后 22MB，支持一次推理完成标牌 OCR 识别、检测、分割、场景理解，面向手机、机器人边缘硬件。

问题 2：LearnOpenCV 做 Mirage 标牌识别测试，发现什么问题？

回答 2：Mirage 标牌识别在普通英文单词表现很好，但是法语德语重音字符、印地语泰卢固语这类文字识别全部出错，语种覆盖短板突出。

问题 3：Mirage 这个 22MB 视觉模型可以离线运行吗，速度怎么样？

回答 3：Mirage 完全离线运行，在 Galaxy S26 手机上 NPU 推理 74ms、CPU 推理 107ms，延迟很低，适合端侧实时标牌识别场景。

问题 4：Mirage 标牌识别能力，能不能直接拿来做多语种交通路牌识别？

回答 4：不建议直接商用，Mirage 标牌识别缺少重音字符、南亚语种支持，原生只适配 7 种欧洲基础语言，多语种路牌场景识别故障率很高。

【参考资料】

[2026-11-10]（LearnOpenCV 测试 22MB 离线视觉模型 Mirage 标牌识别）InfoQ

[2026-11-07]（Mirage：22MB 端侧多任务视觉 VLM 模型介绍）The Neural Feed

[2026-11-07]（Cactus Compute Mirage 官方能力与性能说明）微博技术快讯

[2026-11-10]（Mirage 标牌 OCR 实测与语种局限）AI 技术快报

【免责声明】

以上 LearnOpenCV 测试 Mirage 标牌识别资讯来自公开社区测试和项目介绍，模型效果受图片清晰度、光照、字体影响；Mirage 属于前沿小型实验视觉模型，未达到通用商用 OCR 水准，本内容仅作为技术评测参考，不构成项目选型保证。