OCR

目前的一些多模态大模型的工作倾向于使用MLLM进行推理任务，然而，纯OCR任务偏向于模型的感知能力，对于文档场景，由于文字密度较高，现有方法往往通过增加图像token的数量来提升性能。 这种策略在增加新的语言时，需要重新进行训练，计算开销较大，成本较高。 因此，本文再来看看vary和got这两个衔接工作，看看其完整的技术链路。

本文实现了基于微调TrOCR模型进行手写文本识别。 1.GNHK手写笔记数据集GNHK（GoodNotes Handwriting Kollection）手写笔记数据集由GoodNotes提供，包含来自世界各地学生的数百份英文手写笔记。 下载数据集访问GNHK数据集官方网站:()，滚动到底部，同意使用条款和条件；点击第二个链接下载数据集。

近日，2024中国图象图形大会在古都西安盛大开幕。本届大会由中国图象图形学学会主办，空军军医大学、西安交通大学、西北工业大学承办，通过二十多场论坛、百余项成果，集中展示了生成式人工智能、大模型、机械学习、类脑计算等多个图象图形规模的进展。大模型技能正随着科技革新实现广泛运用，满足多行业图象解决需求。大会期间，由CSIG文档图象阐明与辨别专委会与上海合合信息科技股份有限公司（简称“合合信息”）联合主…

在全球文字辨别（OCR）领域顶级盛会ICDAR 2023上，腾讯OCR团队基于自研算法，斩获四项冠军，这是继2017年、2019年、2021年以来，连续四届参会同时创造佳绩，共获得18项官方认证冠军，展示了腾讯OCR技术在全球的一流水平。ICDAR大会是全球文档图象分析辨别领域公认的权威学术会议，每两年举办一次，赛事举办至今已经吸引了超过100多个国家的近8000支队伍参与其中。ICDAR竞争因其…