PulseAugur
中
实时 09:07:34
English(EN) Synth-JDoc: Synthesizing a Japanese Document Image Dataset for OCR with Diverse Layouts and Embedded Images

新数据集 Synth-JDoc 提升 LVLM 日语 OCR 性能

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 Synth-JDoc，这是一个旨在提高大型视觉语言模型 (LVLM) 光学字符识别 (OCR) 能力的新型数据集，特别针对日语文本。该数据集使用 HTML 和 CSS 直接从文本合成文档图像，并结合了垂直和水平书写风格的多样化布局。为了增强真实性和鲁棒性，合成的文档包含由文本到图像模型生成的嵌入式图像，并经过噪声和降级滤镜处理。实验表明，在 Synth-JDoc 上微调的模型优于在先前合成数据集上训练的模型，显著提高了 LVLM 在阅读垂直书写的日语文本方面的性能。 AI

影响 增强了 LVLM 处理复杂日语文档的能力，可能改进需要准确 OCR 的应用程序。

排序理由 该条目描述了在 arXiv 上发布的新数据集和研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

新数据集 Synth-JDoc 提升 LVLM 日语 OCR 性能

本文如何被排名

Signal score
15 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该条目描述了在 arXiv 上发布的新数据集和研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, model release
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Keito Sasagawa, Shuhei Kurita, Daisuke Kawahara ·

    Synth-JDoc：用于 OCR 的日本文档图像数据集合成，具有多样化的布局和嵌入式图像

    arXiv:2608.28248v1 Announce Type: cross Abstract: The ability of Large Vision Language Models (LVLMs) to read text within document images is crucial, as it enables various applications such as Document Visual Question Answering. To enhance the text-reading capabilities of LVLMs, …

相关实体

相关话题