OmniParseBench,一个开放的文档解析器基准测试项目,已被实现并进行了分析。该基准测试使用涵盖扫描表单、手写体和密集表格等各种文档类型的 16,288 项测试来评估解析器。分析包括根据已发布的裁决重建排行榜,并在部分文档上测试 Tesseract 和 Indra OCR。研究结果表明,排名前两位的解析器在统计学上不分伯仲,排名在不同文档类型之间有所变化,并且在发布数据和已发布文件之间存在差异。 AI
影响 提供了一个评估和比较文档解析技术的框架,有望推动OCR和文档理解能力的提升。
排序理由 该条目详细介绍了文档解析器开放基准的实现和分析,包括对特定OCR引擎的测试以及对不同文档类型性能的评估。[lever_c_demoted from research: ic=1 ai=0.7]
- arXiv
- huggingface_hub
- Indra
- NumPy
- OmniParseBench
- onnxruntime
- opencv-python-headless
- pypdfium2
- Social Sciences DataLab
- Tesseract
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →