PulseAugur
中
实时 15:21:39
English(EN) MuSTEL: A Large-Scale Multilingual Synthetic Text-Line Image Dataset for OCR

新的 MuSTEL 数据集以 1450 万条合成文本行提升多语言 OCR 能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了 MuSTEL，这是一个大规模合成数据集，旨在改进光学字符识别 (OCR) 系统，特别是在多语言文本行方面。该数据集包含超过 1450 万张带注释的文本行图像，融合了混合书写方向、单行内字体和样式多样性以及包括模糊和失真在内的逼真文档外观等多种元素。MuSTEL 旨在提高波斯语、阿拉伯语和英语等语言 OCR 模型的训练和评估能力，以应对其独特的排版和渲染条件带来的挑战。 AI

影响 增强了多语言文档的 OCR 能力，有望改善不同语言环境下的可访问性和数据提取。

排序理由 该项目是一篇介绍 OCR 新数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

新的 MuSTEL 数据集以 1450 万条合成文本行提升多语言 OCR 能力

本文如何被排名

Signal score
6 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该项目是一篇介绍 OCR 新数据集的研究论文。[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, product
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
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Majid Adibian, Hossein Saberi, Hossein Zeinali ·

    MuSTEL: 用于 OCR 的大规模多语言合成文本行图像数据集

    arXiv:2610.34148v1 Announce Type: new Abstract: Optical character recognition (OCR) systems depend strongly on the scale and diversity of their training data. One approach to document OCR first analyzes the page layout and extracts text-line images, which are then transcribed by …

相关实体

相关话题