“Aviser anvender ofte komplekse flerspaltede layouts, som kan indeholde indskudte billeder. Almindelig OCR læser ofte blot vandret hen over siden og kombinerer halve sætninger fra venstre og højre spalte, hvilket skaber meningsforstyrrelser.”

Analyse af grundlæggende årsag

Intelligent layoutopdeling

Shangyi AI anvender en visuelt baseret layoutanalyse-algoritme (Layout Analysis), der kan identificere spaltemellemrum og skillelinjer samt præcist bestemme tekststrømmenes retning (om der læses nedad før til højre, eller om der er tværspaltede overskrifter).

Genskabelse af tekst-billede layout

Ved oversættelse af gamle arkiver genererer systemet et overliggende lag, der dækker originalteksten, og indsætter oversættelsen tilbage i de tilsvarende kolonneområder for at bevare avisens visuelle struktur så meget som muligt.

Endelig løsningssammenfatning

Genopliv historiske arkiver og lad information på tværs af århundreder overkomme sproglige barrierer.