跳到正文
arXiv · 机器人与计算机视觉· Zhiheng Li, Zongyang Ma, Jiaxian Chen, Cheng Cui, Yi Liu, Ziqi Zhang, Chunfeng Yuan, Bing Li, Xiang Bai, Weiming Hu·· 15 天前AI 评分48

OCR 基础模型时代综述:从专用模型到统一模型

OCR in the Foundation Model Era: From Specialist Models to Unified Models

AI 导读

该综述回顾了光学字符识别(OCR)在基础模型时代的演进,将其定义为基于视觉证据的忠实转录。文章将当代系统分为模块化工具、专用文档 VLM、混合工作流、通用 VLM 及商业产品五类,对比了架构与生成式 OCR 的幻觉问题。研究还指出了评估定义不一致及真实拍摄条件覆盖不足等挑战,并提供了相关工作的持续追踪链接。

来源:arXiv · 机器人与计算机视觉 · arxiv.org