跳到正文
arXiv · 机器人与计算机视觉· Haseeb Yaqoob, Fatima Azfar, Emaan Arif Khan·· 16 天前AI 评分18

Benchmarking Vision-Language Models for Urdu Nastaliq Handwriting Recognition 评测报告

Benchmarking Vision-Language Models for Urdu Nastaliq Handwriting Recognition

AI 导读

针对乌尔都语纳斯塔利克手写体识别难题,研究在 UNHD 数据集上对 Tesseract、UTRNet-Large 及六款 VLM 进行零样本基准测试。结果显示两款商业模型错误率低于开源与印刷体专用模型,其中一款商业模型甚至拒绝转录极难图像而非猜测。此外,VLM 修正 OCR 输出的增益有限,仅当输入文本来自 UTRNet 时提升显著(17.9% 至 21.9%)。

来源:arXiv · 机器人与计算机视觉 · arxiv.org