研究人员开发了一种多专家路由系统，用于低资源光学字符识别（OCR），专门针对历史满文文献。该系统利用迭代微调的检查点作为领域专家，并采用轻量级分类器根据视觉风格分派页面。当没有合适的专家可用时，将为该领域训练新专家。该系统表现强劲，在不同满文书写风格中高精度地匹配了选定的专家，并实现了99.3%的页面级领域准确率。 AI
影响 这项研究可以更好地实现数据量有限的历史文献的数字化保存和可访问性。
排序理由 该集群包含一篇详细介绍低资源OCR新方法的论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.14041v1 Announce Type: cross Abstract: Historical Manchu OCR must accommodate various visually distinct writing styles, including regular script, running script, and the semi-cursive chancery hand used in palace memorials, despite limited labeled data. We study a multi…
Historical Manchu OCR must accommodate various visually distinct writing styles, including regular script, running script, and the semi-cursive chancery hand used in palace memorials, despite limited labeled data. We study a multi-expert system that reuses checkpoints from an ite…