Aug, 2023

通过后处理模型提高 OCR 性能：采用字形嵌入进行改进的校正

HTML
PDF
TL;DR探讨后期OCR模型的潜力，以克服OCR模型的局限性，并研究将字形嵌入应用于后期OCR纠错性能的影响。研究通过使用CharBERT和独特的嵌入技术将OCR输出进行嵌入，捕捉字符的视觉特征。研究发现后期OCR纠错有效地解决了次优OCR模型的缺陷，并且字形嵌入使模型能够取得优异的结果，包括纠正单词的能力。
发现论文，激发创造
  • FontCode: 利用字形扰动在文本文档中嵌入信息

    FontCode 是一种信息嵌入技术，能通过微调字形来嵌入用户指定的信息，并提供了一种识别和错误纠正方法。它可用于文档元数据管理、光学二维码和文档签名等多种应用。

    Jul, 2017

  • 从过去到未来：一种全自动的 NMT 和词嵌入方法，用于 OCR 后校正

    文章介绍了一种全自动无监督方式，通过提取平行数据进行基于字符序列的序列到序列神经机器翻译模型（NMT）的训练，以进行OCR错误更正，解决历史语料库中OCR错误的问题。

    Oct, 2019

  • 针对濒危语言文本的OCR后校正

    针对极度濒危语言中大多数没有用于构建自然语言处理模型的数据的情况，本文提出了一种从不可读的文本数据中提取文本的方法，具体而言，在三种极度濒危的语言中创建了一个基准数据集，并针对数据不足的 OCR 研究有效性做了系统分析，开发了一种针对数据不足的 OCR 后校正方法，平均可将识别错误率降低34％。

    Nov, 2020

  • GlyphControl: 用于视觉文本生成的字形条件控制

    该论文提出了一种名为GlyphControl的方法，用于增强现有的 Stable-Diffusion 模型在生成准确视觉文本方面的性能，有效地生成可定制的文本内容，使用自定义训练数据集 LAION-Glyph 进行评估，实验证明了该方法在 OCR 准确度方面优于 DeepFloyd IF 方法。

    May, 2023

  • 借助基于Glyph条件去噪扩散概率模型生成的训练样本改进手写OCR

    提出一种DDPM概率模型用于生成手写体图像样本，并引入渐进式数据过滤策略，可将OCR模型在IAM基准任务上的错误率相对降低45%。

    May, 2023

  • DECDM：利用循环一致性扩散模型进行文档增强

    基于扩散模型的光学字符识别（OCR）在自动文档处理和文档智能方面对文档图像质量非常依赖，研究提出了一种新的端到端文档级图像转换方法DECDM来解决现有方法的数据分离和隐私保护问题，该方法通过独立训练源和目标模型，消除了配对训练的限制，提高了性能的数量和质量的比较。

    Nov, 2023

  • 优化文本到图像生成：走向准确、无需训练的字形增强图像生成

    改进了LenCom-Eval和MARIO-Eval基准测试的OCR效果的训练自由框架, 提供了生成包含长且少见文本序列图像的新方法。

    Mar, 2024

  • 推进后OCR修正：合成数据的比较研究

    本研究探讨了合成数据在后OCR领域的应用，解决了数据量、增强和合成数据生成方法对模型性能的影响等问题。我们提出了一种新算法，利用计算机视觉特征检测算法计算字形相似性，以构建后OCR合成数据。实验结果表明，ByT5等模型能够显著降低字符错误率（CER），尤其是在低资源语言中，所提合成数据生成方法优于传统方法。

    Aug, 2024

  • 提升后OCR纠错：合成数据的比较研究

    本研究解决了后OCR纠错中合成数据应用的问题，提出了一种新算法，利用计算机视觉特征检测算法计算字形相似性以构建合成数据。研究表明，该算法能在低资源语言中显著降低字符错误率，且与传统方法相比，合成数据生成方法具有明显优势。

    Aug, 2024

  • 通用OCR理论：通过统一的端到端模型迈向OCR-2.0

    本研究针对传统OCR系统在智能处理光学字符方面的不足，提出了通用OCR理论及其模型GOT，旨在推动OCR-2.0的发展。GOT是一种包含580M参数的统一端到端模型，能够处理各种光学字符任务，并提供互动OCR功能和动态分辨率支持，实验结果证明其优越性。

    Sep, 2024