Tesseract
PulseAugur coverage of Tesseract — every cluster mentioning Tesseract across labs, papers, and developer communities, ranked by signal.
8 天有情绪数据
-
新框架将Android恶意软件检测中的安全回归率减半
研究人员在Android恶意软件检测的持续学习中发现并量化了一个关键问题，称为“安全回归”。当模型先前可以检测到的恶意软件样本在更新后即使模型平均性能有所提高，但却逃避了检测时，就会发生这种现象。实验显示，高达3-6%的恶意软件样本会出现安全回归。为了解决这个问题，开发了一个新的回归感知框架，通过正向一致性训练（PCT）实现。该方法在各种持续学习场景中有效地将安全回归率减半，同时保持了长期的强大检测性能。
-
大型语言模型改进历史亚美尼亚报纸的阅读顺序重建
研究人员开发了一种新颖的方法来重建历史亚美尼亚报纸的阅读顺序，由于其复杂的布局和有限的语言资源，这带来了挑战。他们的方法结合了语义区域检测和生成式大型语言模型，与基线方法相比，错误减少了 76%。该技术旨在加速资源匮乏语言的数据标注，并包括一个专门用于历史亚美尼亚印刷品的 Tesseract OCR 模型。
-
LV-ROVER集成模型将马耳他语OCR准确率提升70%
研究人员开发了LV-ROVER，这是一种新颖的多流Tesseract投票集成模型，旨在提高马耳他语（一种低资源语言）的光学字符识别（OCR）能力。通过构建一个合成训练管道和一个五流集成模型，他们实现了比微调后的Tesseract基线模型字符错误率（CER）降低44%。进一步的后处理将CER降低了70%，显著提高了马耳他语文本的OCR准确性。
-
OCRmyPDF教程指导可搜索PDF转换及高级功能
一项新教程详细介绍了如何使用Python工具OCRmyPDF将扫描文档转换为可搜索的PDF/A文件。该指南涵盖了侧边栏文本提取、批量处理以及优化Tesseract以提高准确性等高级功能。它还演示了清理嘈杂扫描件、纠正文档方向以及直接在内存中执行OCR的技术。
-
Mosaic基准套件评估可微分物理求解器
研究人员推出Mosaic，一个旨在评估可微分偏微分方程（PDE）求解器的新基准测试框架。该框架标准化了各种求解器之间的梯度访问，并将每个求解器打包成一个名为Tesseract的组件。对14个求解器的评估显示，计算成本和数值条件存在显著差异，一些求解器与实际任务完全不兼容。尽管存在这些实际障碍，研究发现大多数求解器收敛到相似的最优值，这表明内存限制和稳定性等问题比梯度准确性本身更关键。
-
大学寻求本地文档解析工具以进行数据治理
一所大学的IT部门正在寻求一种本地文档处理解决方案，用于索引和搜索行政PDF、课程表和会议记录。由于数据治理政策，云API不可行，系统必须完全在校园网络内运行。用户正在评估四种开源工具：Docling、Liteparse、MinerU和Unstructured，并考虑解析质量、OCR能力、设置复杂性和许可等因素。主要挑战是建立用于定期文档导入和处理的计划管道，以应对PDF格式随时间的变化。
-
Mamba模型提供更快的OCR速度，但在历史文本上准确性落后于Transformer
研究人员对状态空间模型（SSMs），特别是Mamba，与Transformer和BiLSTM在历史报纸的光学字符识别（OCR）方面进行了基准测试。研究表明，虽然Mamba模型提供了显著的计算优势，将推理时间减半并显示出更好的内存扩展性，但与基于Transformer的模型相比，它们在严重退化的文本上的准确性略低。进一步的消融研究表明，Mamba在段落等长序列上的性能高度依赖于超参数调整，并且可能需要大量数据，在真实手写体上落后于Tra…
-
百度PP-OCRv6实现97毫秒推理，引领全球OCR基准
百度文心正式发布全新OCR模型PP-OCRv6，提供Tiny、Small和Medium版本，支持50多种语言，并可部署于浏览器到服务器的各种场景。Tiny模型仅重1.5MB，可在浏览器内实现低至97毫秒的OCR识别，增强了隐私性并降低了部署门槛。PP-OCRv6在OCR性能方面树立了新的基准，在专业OCR任务上超越了主流多模态模型，巩固了PaddleOCR作为领先的开源OCR项目的地位。
-
AI代理旨在安全地总结患者出院数据
本文详细介绍了创建AI代理的过程，该代理旨在从PDF文档中总结患者出院信息。该代理专注于提取结构化数据，如诊断、药物和过敏信息，通过避免捏造或猜测来优先考虑准确性和安全性。它采用OCR技术处理手写笔记，并使用LLM进行证据提取，确保信息流向模型的精炼和受控。
-
百度PaddleOCR-VL-1.6刷新文档解析SOTA
百度文心发布了其开源OCR工具的新版本PaddleOCR-VL-1.6。此次更新在OmniDocBench v1.6基准测试中实现了超过96.33%的准确率，超越了Gemini-3-Pro和GPT-5.2等主流模型。该模型在理解扫描件、弯曲文档和屏幕截图等复杂文档方面表现出显著的改进，使其成为文档数字化的领先解决方案。
-
本地文档AI需要OCR、RAG和本地推理
构建一个完全本地化的文档AI系统，需要的不仅仅是在本地机器上运行一个语言模型。它需要一个完整的管道，包括用于文档解析的光学字符识别（OCR）、用于搜索和选择相关信息的检索系统（RAG），以及用于生成响应的本地推理。如果没有强大的OCR和解析能力，检索系统可能无法找到准确的信息，导致本地LLM给出错误的答案。许多被宣传为“本地AI”的系统是不完整的，它们依赖外部服务来完成OCR或嵌入等关键步骤，从而损害了真正的本地运行。
-
新的OCR管道通过自适应增强提升零售账单数字化效果
研究人员开发并对一个自适应光学字符识别（OCR）管道进行了基准测试，该管道专门用于数字化各种零售账单。该系统包含一个基于CNN的增强模块、一个图像质量分析器和一个基于NLP的校正层，以处理扫描质量和布局的变化。所提出的管道在Tesseract基线之上取得了显著的改进，在一个包含360张零售账单图像的数据集上，字符错误率（CER）为18.4%，单词错误率（WER）为27.6%。
-
新的OCR流水线通过自适应增强提升零售账单数字化效果
研究人员开发并对一个自适应光学字符识别（OCR）流水线进行了基准测试，该流水线专为跨不同商业领域的零售账单数字化而设计。该系统包含一个基于CNN的图像增强模块、一个图像质量分析器、一个用于迭代重试的反馈循环以及一个基于NLP的校正层。在包含360张零售账单的数据集上进行测试，该流水线实现了18.4%的字符错误率（CER）和27.6%的单词错误率（WER），显著优于原始Tesseract基线，并显示出比EasyOCR更快的速度优势。