新框架在无真实数据情况下评估OCR工具

研究人员开发了DocOCR-Eval，一个旨在评估和选择文档理解任务的光学字符识别（OCR）工具的新框架，而无需真实标签注释。该框架采用三阶段校正和排序策略来近似基于注释的排序，即使在标签稀缺的情况下也证明是有效的。研究表明，聚合多个多模态大语言模型（MLLMs）的结果可以增强与基于注释的排名的对齐，为部署文档解析系统提供了实际指导。 AI

影响 提供了一种选择最佳OCR工具的实用方法，有望提高文档理解任务的效率。

排序理由 详细介绍OCR工具新评估框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• DocOCR-Eval
• Gotit.pub
• Hugging Face
• IArxiv
• MLLMs
• optical character recognition
• ScienceCast

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →