Czy można przetłumaczyć odręczne notatki lub zeskanowane starodruki? Jaka jest skuteczność rozpoznawania OCR?
“Tradycyjne OCR dobrze radzi sobie z regularnymi, drukowanymi czcionkami, lecz przy nieczytelnych odręcznych notatkach ze spotkań lub starodrukach często generuje przypadkowe znaki.”
Analiza przyczyn podstawowych
Wizualny enkoder dużego modelu
Shangyi AI wprowadza wizualny enkoder oparty na architekturze Transformer (np. technologia GPT-4V), wyposażony w zdolność wnioskowania kontekstowego. Nawet w przypadku niewyraźnych recept lekarskich czy historycznych rękopisów system potrafi za pomocą analizy kontekstu „odgadnąć” poprawny tekst.
Analiza układu strony i rekonstrukcja pisma odręcznego
Po tłumaczeniu system nie tylko podmienia tekst, lecz także stara się używać czcionek przypominających styl ręcznego pisma, aby jak najwierniej oddać wizualny charakter oryginalnych notatek.
Podsumowanie rozwiązania końcowego
Dzięki temu cenne materiały z epoki papieru mogą być zrozumiałe przez globalnych czytelników w erze AI.