T
traeai
登录

概念

OCR

别名:光学字符识别

光学字符识别技术

已跟踪 22 条高相关材料

TraeAI 观察

相关材料

已收录 22 条与 OCR 相关的内容,按评分排序。

Deepseek发布大一统API

联网搜索、深度思考、传文件、读链接全包了

底层能力还能单独拆出来用:

比如 OCR(文字识别)、ASR(语音识别)、TTS(语音合成)都能独立调用

价格也很美...

Deepseek发布大一统API,整合搜索、文件传输、链接读取等功能,支持OCR、ASR、TTS等独立调用,价格具有竞争力。

入选理由:Deepseek API整合了搜索、文件传输、链接读取等核心功能。

精选推文#Deepseek#API#AI#OCR#ASR中英混合
You shouldn’t blindly trust benchmarks - you should be able to encode your preferences relative to y...

ParseBench-2 是一个全面的文档解析基准框架,允许用户根据自身需求定义解析偏好并自定义评估指标。

入选理由:ParseBench-2 允许用户根据使用场景定义解析偏好,而非依赖单一的基准指标。

精选推文#ParseBench-2#文档解析#基准框架#LLM#OCR中英混合
There are thousands of OCR tools out there, and ParseBench-2 represents our attempt to not only buil...

ParseBench-2 是一个标准化的 OCR 工具评估框架,覆盖 40 个工具和 6 个维度,揭示了不同工具在特定场景下的表现差异。

入选理由:ParseBench-2 评估了 40 个 OCR 工具,覆盖 6 个维度,如表格、图表等。

精选推文#OCR#基准测试#模型评估#ParseBench-2中英混合
How Amazon Marketplace evaluates content quality with Amazon SageMaker AI

How Amazon Marketplace evaluates content quality with Amazon SageMaker AI

AWS Machine Learning Blog3492 字 (约 14 分钟)
85

亚马逊使用VLM和CatBoost分类器结合OCR信号,提升A+内容质量评估,使卖家销售提升8-20%。

入选理由:VLM可将电商内容渲染为完整快照进行整体评估

精选文章#Amazon SageMaker#Vision-Language Models#A+ Content#AWS#机器学习英文
How to extract meaning from charts and tables in PDFs

How to extract meaning from charts and tables in PDFs

Weaviate Blog2871 字 (约 12 分钟)
85

Weaviate提出Late Interaction RAG方法,通过多向量模型直接解析PDF图表,解决传统RAG无法提取图表信息的缺陷。

入选理由:传统RAG处理PDF图表时,30%的查询会因图表信息缺失导致错误

精选文章#RAG#PDF处理#Weaviate#OCR#多向量模型英文
这两天终于把 BaoCut 的视频画面翻译功能做了,这功能技术实现不复杂,但是交互比较麻烦,也没有同类产品借鉴参考,迭代了好几个版本终于觉得还不错了。

亮点是可以 Agent(推荐 Codex)自动...

BaoCut实现视频画面翻译功能,通过Agent自动化和OCR优化提升效率,支持导出到剪映二次处理。

入选理由:使用Codex Agent实现自动化画面翻译,减少人工干预

精选推文#视频翻译#OCR#Agent#CapCut中文
Pair Nova 2 Lite with Claude for cost-optimized document processing

Pair Nova 2 Lite with Claude for cost-optimized document processing

AWS Machine Learning Blog3101 字 (约 13 分钟)
85

AWS博客展示如何结合Amazon Nova 2 Lite与Claude Sonnet 4.6,实现扫描文档处理成本降低66%。

入选理由:两模型流水线处理336页年鉴,生成3122个姓名-人脸关联,准确率93%。

精选文章#AWS#机器学习#文档处理#成本优化#模型协作英文
Towards Data Science 图标

Making a PDF’s Images Searchable for RAG, Without Paying to Read Them All

Towards Data Science3465 字 (约 14 分钟)
85

无需对PDF中所有图片进行模型调用,即可实现图像内容的可搜索性,通过分层过滤和OCR技术降低成本。

入选理由:使用图像大小和形状作为初步过滤条件,可排除无检索价值的图片。

精选文章#RAG#PDF解析#图像处理#OCR#企业文档智能英文
Databricks 图标

What is document AI?

Databricks2177 字 (约 9 分钟)
85

文档AI通过AI技术将非结构化文档转化为可操作数据,结合生成式AI提升适应性,但需依赖人工审核和治理机制。

入选理由:文档AI能将合同、发票等文档转化为结构化数据,提升下游系统使用效率。

精选文章#AI#文档处理#自然语言处理#Databricks英文
Direct Preference Optimization Beyond Chatbots

Direct Preference Optimization Beyond Chatbots

Hugging Face Blog2903 字 (约 12 分钟)
85

本文介绍了DPO(Direct Preference Optimization)技术,它通过使用模型自身失败时产生的拒绝对来优化文本生成,从而显著减少了文本退化率。DPO在OCR(光学字符识别)任务中特别有效,因为它可以作为直接的失败模式缓解工具,而无需依赖于主观的人类判断。

入选理由:DPO技术通过使用模型自身失败时产生的拒绝对来优化文本生成,显著减少了文本退化率。

精选文章#Direct Preference Optimization#OCR#text generation#model training中文
LiteParse is the best open-source, model-free document parser for AI agents.

Run it over over 50+ d...

LiteParse 是最佳的开源、无模型文档解析器

Jerry Liu(@jerryjliu0)289 字 (约 2 分钟)
85

LiteParse 是一款开源、无模型的文档解析器,支持 50 多种文档类型,能够快速解析复杂布局的文档并提取干净文本,同时支持轻量级 OCR 集成。

入选理由:LiteParse 支持 50 多种文档类型,包括复杂的文本布局和表格。

精选推文#LiteParse#文档解析#开源#OCR英文
Towards Data Science 图标

A Computational Analysis of Women’s Suffrage in Historical Newspapers

Towards Data Science2559 字 (约 11 分钟)
75

分析显示1915-1917年纽约报纸对女性选举权报道激增,但加州数据存在严重偏差,OCR技术与查询定义影响历史趋势测量准确性。

入选理由:纽约1917年报纸中'women’s suffrage'出现频率是加州的2.3倍

精选文章#数据科学#历史分析#OCR#大数据英文
https://t.co/jwQRqJamRj 新版本发布了:Agent-Native 截图软件

作为一个工具软件,Snapok 支持选框、涂鸦、文字标注、打码、擦除、钉图、长截图、OCR、扩背景、...

Snapok 是一款开源的 Agent-Native 截图软件,支持多种图像处理功能和 AI 能力。

入选理由:Snapok 支持选框、OCR、扩背景等 12 种传统截图工具功能

精选推文#截图工具#Agent-Native#开源#图像处理中文
https://t.co/U072xCfvRK
Congrats on the launch!

https://t.co/U072xCfvRK Congrats on the launch!

Latent.Space(@latentspacepod)86 字 (约 1 分钟)
50

r-1 mini模型以每千页1美元的价格提供OCR服务,但文章缺乏技术细节和论证。

入选理由:r-1 mini定价为$1/1000页,比竞品低25倍

精选推文#OCR#AI模型#定价策略英文
Excited to share that Qdrant will be speaking at the @MistralAI AI NOW Summit in Paris 🇫🇷

Chadha ...

Qdrant 将在 MistralAI 巴黎峰会上发表演讲

Qdrant(@qdrant_engine)106 字 (约 1 分钟)
45

Qdrant 宣布将在 MistralAI 峰会上分享结合 OCR 与语义搜索处理复杂文档的技术方案,但文章仅为活动预告,缺乏深度技术细节。

入选理由:Qdrant 将在巴黎 AI NOW 峰会展示语义搜索与 OCR 结合的应用。

精选推文#Qdrant#MistralAI#语义搜索#OCR#AI峰会英文

跨材料问答 · OCR

回答基于:OCR 相关 22 条材料
    0 / 500

    AI 可能会生成不准确的信息,请核实重要内容