通用端到端OCR模型開源，拒絕多模態(tài)大模型降維打擊

AIGC動態(tài)歡迎閱讀

原標題：通用端到端OCR模型開源，拒絕多模態(tài)大模型降維打擊
關鍵字：模型,能力,團隊,數(shù)據(jù),階段
文章來源：量子位
內(nèi)容字數(shù)：0字

內(nèi)容摘要：

Vary團隊投稿 凹非寺量子位 | 公眾號 QbitAI在AI-2.0時代，OCR模型的研究難道到頭了嗎！？（OCR：一種將圖像中的文字轉(zhuǎn)換為可編輯和可搜索文本的技術）
Vary作者團隊開源了第一個邁向OCR-2.0的通用端到端模型GOT。
用實驗結(jié)果向人們證明：No~No~No~
GOT模型效果如何？話不多說，直接上效果圖：
△最常用的PDF image轉(zhuǎn)markdown能力
△雙欄文本感知能力
△自然場景以及細粒度OCR能力
△動態(tài)分辨率OCR能力
△多頁OCR能力
△更多符號的OCR能力研究團隊稱，盡管GOT模型表現(xiàn)不錯，但也存在一些局限，如更多的語言支持，更復雜的幾何圖，chart上的OCR性能。
他們說OCR-2.0的研究還遠的很，GOT也還有不小提升空間（該項目在數(shù)據(jù)和算力資源上都是非常受限的）。
正是因為深知GOT以及OCR-2.0的潛力，我們希望通過開源GOT吸引更多的人，放棄VQA，再次投向強感知。都說純OCR容易背鍋，但也正好說明做的不夠work，不是嗎？
GOT: Towards OCR-2.0通用OCR模型須要夠通用，體現(xiàn)在輸入輸出都要通用上。
GOT的通用具體

原文鏈接：通用端到端OCR模型開源，拒絕多模態(tài)大模型降維打擊

聯(lián)系作者

文章來源：量子位
作者微信：
作者簡介：