Haq Nawaz Malik
PulseAugur coverage of Haq Nawaz Malik — every cluster mentioning Haq Nawaz Malik across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的合成数据集提升波斯语OCR能力
研究人员推出了Persian Pixel，一个旨在提高波斯语光学字符识别（OCR）能力的大规模合成数据集。该数据集包含超过343,000个图像-文本对，使用SynthOCR-Gen框架生成，以准确模拟波斯语脚本的复杂性，包括连写连接和风格变化。Persian Pixel旨在克服标注数据的稀缺性，从而能够训练TrOCR和Donut等先进的OCR模型，并推动波斯语文档分析的发展。
-
发布了用于克什米尔语的新合成OCR数据集Koshur Pixel
研究人员推出Koshur Pixel，一个专为克什米尔语设计的新型合成OCR数据集。该数据集包含超过613,000个图像-文本对，使用SynthOCR-Gen框架从KS-PRET-5M语料库生成。Koshur Pixel旨在解决克什米尔语等低资源语言的标注数据稀缺问题，由于其波斯-阿拉伯文Nastaliq脚本，这带来了独特的挑战。该数据集包含各种字体、文本粒度和增强策略，以模拟真实世界的文档条件，从而促进OCR系统的开发和克什米尔语文…
-
新模型恢复克什米尔语文本中的注音符号
研究人员开发了 Koshur Diacritizer，这是一种字节级序列到序列模型，旨在恢复克什米尔语文本中的注音符号。该模型解决了数字克什米尔语中省略注音符号的常见问题，这阻碍了自然语言处理应用。为了支持这项工作，发布了一个包含超过 23,000 个对齐句子对的新数据集，以及模型和源代码，以建立克什米尔语注音恢复的可复现基线，并帮助其他低资源语言的研究。