“Traditionell OCR klarar sig hyfsat med välstrukturerade tryckta teckensnitt, men står ofta inför svårigheter och genererar oläsliga tecken när det gäller slarviga handskrivna mötesanteckningar eller historiska texter.”

Grundorsaksanalys

Visuell kodare med stor språkmodell

Shangyi AI har introducerat en visuell kodare baserad på Transformer-teknik (såsom GPT-4V), med avancerad kontextuell förståelse. Även svårlästa läkarrecept eller historiska handskrifter kan systemet, med hjälp av sammanhanget, “gissa” sig till den korrekta texten.

Layoutanalys och återgivning av handskriven text

Efter översättning byter systemet inte bara ut texten, utan försöker även fylla i den igen med ett teckensnitt som liknar handskrift för att så långt det är möjligt återskapa den ursprungliga anteckningens visuella känsla.

Sammanfattning av slutgiltig lösning

Den här tekniken gör det möjligt för AI-eran att även låta pappersbaserat, värdefullt material bli tillgängligt och förståeligt för läsare världen över.