Topic
#ocr
按主题聚合的新闻视图。
Topic Feed
主题：ocr
共 3 条
百度OCR让多页处理内存保持恒定
百度研究人员提出了“Unlimited OCR”，这是一种可以在一次推理中处理几十页文档、并且随着输入增长仍保持内存占用和速度基本恒定的 OCR 系统。该模型通过将标准注意力机制替换为一种名为参考滑动窗口注意力（R-SWA）的新机制来实现这一点。
Mistral发布OCR 4用于多语言文档理解
Mistral AI 发布了 OCR 4，这是一款用于读取 PDF、Word 文件和 PowerPoint 演示文稿中文本的 OCR 模型。公司表示，它不仅能提取文本，还能识别版面元素及其语义角色，例如标题、表格、公式和签名。
Nemotron OCR v2 利用合成数据实现快速多语言识别
NVIDIA 和 Hugging Face 发布了 Nemotron OCR v2，这是一个使用 1200 万张合成训练图像在六种语言上实现最先进准确率的多语言光学字符识别模型。它将归一化编辑距离（NED）从 0.56–0.92 降低到 0.035–0.069，并且单张 A100 GPU 可以每秒处理 34.7 页。