Lze překládat ručně psané poznámky nebo skenované staré texty? Jaká je přesnost OCR rozpoznávání?
Diagnostika aktuálního stavu
“Tradiční OCR dosahuje přijatelné přesnosti u pravidelných tištěných písem, ale při rozpoznávání obtížně čitelných ručně psaných zápisů nebo starých textů často produkuje nesmyslné znaky.”
Analýza hlavní příčiny
1
Vizuální enkodér velkého modelu
Shangyi AI zavádí vizuální enkodér založený na architektuře Transformer (například technologii GPT-4V), který má pokročilé schopnosti kontextového odvozování. Dokonce i u těžko čitelných lékařských předpisů nebo historických rukopisů dokáže AI na základě kontextu „uhodnout“ správný text.
2
Analýza rozložení stránky a překreslení rukopisu
Po překladu systém nejen nahradí text, ale také se pokusí použít písmo podobné ručně psané předloze, aby co nejvíce zachoval vizuální charakter původních poznámek.
Shrnutí konečného řešení
Cenné materiály z papírové éry tak mohou být díky AI v éře digitalizace pochopeny čtenáři po celém světě.