क्या पुराने समाचारपत्र या बहु-स्तंभ पत्रिकाओं की स्कैन की गई प्रतियों का अनुवाद करते समय पढ़ने का क्रम सटीक रूप से पहचाना जा सकता है?
“समाचारपत्र सामान्यतः जटिल बहु-स्तंभ लेआउट अपनाते हैं, जिनमें चित्र भी सम्मिलित होते हैं।सामान्य OCR अकसर सीधे क्षैतिज रूप में पढ़ता है, जिससे बाएं स्तंभ की आधी पंक्ति और दाएं स्तंभ की आधी पंक्ति को जोड़ दिया जाता है, जिससे अर्थ स्पष्ट नहीं रहता।”
मूल कारण विश्लेषण
स्मार्ट लेआउट विभाजन
商译 AI, विज़ुअल-आधारित लेआउट विश्लेषण एल्गोरिदम (Layout Analysis) का उपयोग करता है, जो कॉलम के बीच की दूरी और विभाजन रेखाओं की पहचान कर सकता है और टेक्स्ट फ्लो की दिशा (जैसे पहले नीचे फिर दाएं, या कॉलम-स्पैनिंग शीर्षक) का सटीक निर्धारण करता है।
चित्र-पाठ मिश्रित पुनर्रचना
पुराने अखबारों या दस्तावेज़ों के अनुवाद के समय, सिस्टम एक ओवरले लेयर तैयार करता है जो मूल पाठ को ढकता है, और संबंधित कॉलम क्षेत्रों में अनुवादित सामग्री को पुनः भरता है। इससे 'अखबार जैसी' दृश्य संरचना और पठनीय क्रम अधिकतम रूप से कायम रहता है।
अंतिम समाधान सारांश
ऐतिहासिक दस्तावेज़ों का पुनर्जीवन करें, ताकि शताब्दियों पुरानी जानकारी भाषा की बाधाओं को पार कर सके।