“Traditionel OCR fungerer udmærket til regelmæssige trykte skrifttyper, men når det gælder utydelige håndskrevne mødereferater eller historiske manuskripter, resulterer det ofte i en række ukorrekte tegn.”

Analyse af grundlæggende årsag

Stor-modellers visuelle encoder

Shangyi AI introducerer en Transformer-baseret visuel encoder (f.eks. GPT-4V-teknologi), der har evne til kontekstuel inferens. Selv håndskrevne, ulæselige lægerecepter eller historiske manuskripter kan ved hjælp af konteksten genkende og “gætte” den korrekte tekst.

Sidelayoutanalyse og genskabelse af håndskrift

Efter oversættelsen udskifter systemet ikke kun teksten, men forsøger også at indsætte den oversatte tekst med en skrifttype, der ligner den oprindelige håndskrevne stil for bedst muligt at bevare notens visuelle udtryk.

Endelig løsningssammenfatning

Så kan værdifulde materialer fra papiræraen også blive forstået af læsere over hele verden i AI-tidsalderen.