研究人员推出Koshur Pixel，一个专为克什米尔语设计的新型合成OCR数据集。该数据集包含超过613,000个图像-文本对，使用SynthOCR-Gen框架从KS-PRET-5M语料库生成。Koshur Pixel旨在解决克什米尔语等低资源语言的标注数据稀缺问题，由于其波斯-阿拉伯文Nastaliq脚本，这带来了独特的挑战。该数据集包含各种字体、文本粒度和增强策略，以模拟真实世界的文档条件，从而促进OCR系统的开发和克什米尔语文本遗产的数字化。 AI
影响 支持开发面向资源匮乏语言的OCR，助力数字化工作。
排序理由 该集群包含一篇详细介绍特定语言新数据集的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
