OpenBMB, MiniCPM belge çözümleyicisini ayrı kalite denetimi modeliyle yayımladı
OpenBMB, belgeleri okumak için MiniCPM-OCR 1.0 modelini, okuma sonuçlarını değerlendirmek için de MiniCPM-OCR Jev modelini yayımladı. Çözümleyici, Çince ve İngilizce belgelerde metin, tablo ve formülleri ele alıyor. Jev, görüntü bölgesini tanıma sonucuyla birlikte inceleyerek kalite puanı üretiyor; başka çözümleyicilerin çıktılarını da değerlendirebiliyor. Kod, belgeler ve model ağırlıkları Apache 2.0 lisansıyla sunuluyor.
Yapay Zekâ··Gece
Belge okuma ve kalite değerlendirmesi ayrı modellere ayrılıyor
MiniCPM model ailesini geliştiren araştırma topluluğu OpenBMB, 27 Ekim’de MiniCPM-OCR 1.0 ile MiniCPM-OCR Jev modellerini yayımladı. OCR, görüntülerdeki yazıyı bilgisayarın işleyebileceği metne dönüştüren optik karakter tanıma yöntemini ifade ediyor. Yeni sürüm, belgeyi çözümleyen bir modelle tanıma sonuçlarını değerlendiren ayrı bir modeli birlikte sunuyor. Değerlendirme modeli başka çözümleyicilerin çıktılarını da inceleyebiliyor.[1], [2]
Çözümleyici, zorlu sayfa görüntülerinden düzenli çıktı üretiyor
MiniCPM-OCR 1.0, Çince ve İngilizce belgeler ile PDF dosyalarını ele alıyor. Model; metin, tablo, formül, grafik ve mühürleri ele alıyor, belgedeki önemli bilgileri çıkarabiliyor. OpenBMB’nin verdiği girdi örnekleri taramaları, telefon fotoğraflarını, eğri sayfaları, eğik görüntüleri ve yeniden fotoğraflanmış belgeleri kapsıyor. Çözümlenen içerik, metin düzenleme gösterimi Markdown veya yazılımların işleyebileceği düzenli veri biçimi JSON olarak alınabiliyor.[1]
Jev, görüntü bölgelerini tanıma sonuçlarıyla birlikte puanlıyor
Jev, görüntünün bir bölgesini ve bu bölgeye karşılık gelen tanıma sonucunu birlikte alıyor. Metin, formül veya tablo için 0 ile 1 arasında kalite puanı veriyor. OpenBMB, bu işlevi sorunlu bölgeleri güvenilir görünen sonuçlardan ayırmak ve incelenmesi gereken içeriğin yerini bulmak için sunuyor. OpenBMB, eşik değerinin gerçek uygulamadan alınan bir örnek kümesi kontrol edildikten sonra belirlenmesini istiyor. Projenin kodu, belgeleri ve iki modelin ağırlıkları Apache 2.0 lisansıyla yayımlandı. Çözümleyici için kurum içinde çalıştırma ve ek eğitim araçları da sunuluyor.[1]
