标签
TextRIRO 提出仅使用真实数据进行场景文本编辑的方法,通过图像扰动(Shuffle&Crop)构建自配对训练数据并结合条件扩散模型,显著缩小合成到真实的域差距,并发布了 TextRIRO-3M 大规模真实数据集用于长文本识别。
Vik Paruchuri 介绍 Indra,一个仅 1M 参数的 OCR 模型,在 CPU 上实现 49 页/秒,速度比 PaddleOCR 快 11 倍、比 Tesseract 快 17 倍,并在 OmniParseBench 文本识别上取得更高精度。
Mistral OCR 4 将手写的微积分考试卷转换为干净的LaTeX,准确读取公式并处理图表,但不会重新绘制它们。该模型提供带有边界框和置信度分数的结构化输出,支持170种语言。
PP-OCRv6是一个轻量级OCR模型(3450万参数),凭借其MetaFormer架构挑战大型VLM,在多种部署场景下提供高效的文本检测与识别能力。
PP-OCRv6 是 PaddleOCR 通用 OCR 模型系列的最新版本,提供从 1.5M 到 34.5M 参数的三个档次,支持 50 种语言,并在准确率上较之前版本有显著提升。
PP-OCRv6是百度PaddleOCR新推出的开源OCR模型系列,提供Tiny/Small/Medium三种尺寸,精度和速度优秀,优于多个商业模型。