Unlimited OCR 2 Inafanya kazi

Unlimited OCR 2 ni modeli ya mwisho hadi mwisho ya uchanganuzi wa nyaraka iliyotolewa kwa chanzo huria na Baidu Wenxin. Inasaidia kuchanganua nyaraka ndefu zenye idadi yoyote ya kurasa, na inaweza kuchakata vitabu vya maelfu ya kurasa kwa wakati mmoja huku ikidumisha usahihi na ufanisi. Unlimited OCR 2 hutumia mfumo wa umakini wa dirisha linaloteleza wenye marejeo machache na mfumo wa usimbaji usio na kikomo, hivyo kupunguza gharama za ukokotoaji na kumbukumbu ya video kwa nyaraka ndefu. Imefikia kiwango cha SOTA kwenye vigezo kama MPDocBench na MarathonDocBench, na kusukuma OCR katika enzi ya 3.0.

Uchanganuzi wa idadi yoyote ya kurasa: Huvuka kikomo cha jadi cha idadi ya kurasa na inasaidia kuchakata nyaraka ndefu zenye maelfu ya kurasa kwa wakati mmoja.
Uelewa wa usahihi wa juu kwa nyaraka ndefu: Huhifadhi usahihi wa juu wa uchanganuzi na ufanisi wa uchakataji hata urefu wa nyaraka unapoongezeka sana.
Uhusishaji wa taarifa kati ya kurasa: Inaweza kurejelea sehemu za awali na kuthibitisha maudhui ya kurasa mbalimbali, hivyo kupunguza kukatika kwa muktadha kunakosababishwa na kuunganisha kurasa nyingi.
Inapatikana kwa chanzo huria: Msimbo na uzani wa modeli vimetolewa kwa chanzo huria, na huduma imezinduliwa kwenye Baidu Intelligent Cloud na Baidu AI Open Platform.

Fuata WeChat na ujibu “开源” ili kujiunga na kikundi cha mawasiliano cha miradi ya AI ya chanzo huria
SR-SWA, umakini wa dirisha linaloteleza wenye marejeo machache: Hufuata namna binadamu anavyoandika upya kitabu kwa “kuzingatia ukurasa wa sasa na kurejelea sehemu za awali inapohitajika”. Page Gate hupunguza eneo la marejeo ya kuona la kila swali kutoka hati nzima hadi kurasa husika, na huunda modeli ya uhusiano wa nafasi kati ya kurasa. Pia huingiza Visual Token Buckets zenye alama za juu zaidi ili kunasa utegemezi wa kuona wa umbali mrefu, na kuepuka ukokotoaji mwingi wa Full Attention kwenye token za hati nzima.
Unlimited-Horizon Decoding, mfumo wa usimbaji usio na kikomo: Huboresha mchakato wa usimbaji ili kukabiliana na vikwazo vya ukokotoaji na kumbukumbu ya video katika uchanganuzi wa nyaraka ndefu sana. Hivyo, modeli haizuiwi kwa lazima na urefu wa muktadha inapochakata kurasa nyingi zaidi, na kuunga mkono lengo la kuchanganua “idadi yoyote ya kurasa”.
Uundaji wa modeli wa mwisho hadi mwisho kwa nyaraka ndefu: Tofauti na OCR ya jadi inayotambua kila ukurasa kisha kuunganisha matokeo, na tofauti na R-SWA ya kizazi kilichotangulia iliyopanuliwa hadi kurasa kadhaa mfululizo, Unlimited OCR 2 huweka uteuzi wa kurasa mbalimbali, kurejelea sehemu za awali na uelewa wa ukurasa wa sasa katika mfumo mmoja wa mwisho hadi mwisho, na hivyo kuboresha uthabiti na ukamilifu wa uchanganuzi wa nyaraka ndefu.
Udhibiti wa ufanisi na gharama: Kasi ya usimbaji ya SR-SWA kwa kila hatua ni mara 7 zaidi ya Full Attention na mara 5.6 zaidi ya R-SWA ya kizazi kilichotangulia. Faida kuu inatokana na kutumia marejeo machache badala ya umakini kamili wa kimataifa.

Chagua njia ya kuanzia: Pakua msimbo na uzani kutoka GitHub au Hugging Face na uweke mfumo kwenye mazingira yako ya ndani.
Andaa nyaraka: Panga PDF, nakala zilizochanganuliwa au nyaraka ndefu, na uhakikishe kuwa kurasa ziko kamili, wazi na zina mwelekeo sahihi.
Pakia au fungua: Kwenye njia ya mtandaoni, pakia hati moja kwa moja; kwenye mfumo wa ndani, sanidi mazingira na upakie uzani wa modeli ya Unlimited OCR 2.
Sanidi kazi: Chagua muundo wa kutoa, upeo wa uchanganuzi na chaguo kama utambuzi wa majedwali na mpangilio wa ukurasa kulingana na ukurasa au vigezo vya API.
Endesha uchanganuzi: Tuma kazi na usubiri modeli ikamilishe uelewa wa kurasa mbalimbali, uchimbaji wa maudhui na uundaji uliopangwa.
Hakiki matokeo: Kagua hasa vichwa vinavyovuka kurasa, majedwali, fomula, nambari za kurasa, marejeo na mwendelezo wa aya.
Hamisha na unganisha: Hamisha maandishi, Markdown au JSON, au tumia API kuunganisha uchakataji wa kundi na mifumo ya biashara.

Uchanganuzi wa idadi yoyote ya kurasa: Huvuka kikomo cha jadi cha OCR na inaweza kuchakata nyaraka ndefu zenye maelfu ya kurasa.
Usahihi thabiti zaidi kwa nyaraka ndefu: Huhifadhi usahihi wa juu wa uchanganuzi na ufanisi hata idadi ya kurasa inapoongezeka sana.
Uelewa bora wa kurasa mbalimbali: Inaweza kurejelea sehemu za awali na kuhusisha taarifa za kurasa mbalimbali, hivyo kupunguza kukatika kwa muktadha kunakosababishwa na kuunganisha maudhui.
Ufanisi mkubwa wa ukokotoaji: SR-SWA hutumia marejeo machache badala ya umakini kamili, na kupunguza kwa kiasi kikubwa ukokotoaji usio wa lazima.
Gharama ndogo ya kumbukumbu ya video: Ikiunganishwa na mfumo wa usimbaji usio na kikomo, hupunguza shinikizo la kumbukumbu katika uchanganuzi wa nyaraka ndefu sana.
Utendaji bora kwenye vigezo: Kulingana na maelezo ya mradi, imefikia kiwango cha SOTA kwenye vigezo vya nyaraka ndefu kama MPDocBench na MarathonDocBench.

Hifadhi ya GitHub: https://github.com/baidu/Unlimited-OCR
Hifadhi ya modeli ya HuggingFace: https://huggingface.co/spaces/baidu/Unlimited-OCR-2

Uchanganuzi wa vitabu na machapisho marefu: Hubadilisha riwaya, vitabu vya kiada na maandiko kamili kuwa ya kidijitali kwa haraka huku ikihifadhi muktadha wa kurasa mbalimbali.
Uchambuzi wa ripoti za utafiti na fedha: Husoma ripoti za utafiti na ripoti za mwaka zenye mamia ya kurasa kwa wakati mmoja, na kutoa maoni, viashiria na hatari.
Ukaguzi wa kisheria na uzingatiaji: Huchakata mkusanyo wa sheria, mafaili ya mikataba na nyaraka za kesi, huku ikiunga mkono uhusishaji wa vifungu vya kurasa mbalimbali.
Uwekaji wa kumbukumbu na hati za malipo katika mfumo wa kidijitali: Hubadilisha kwa wingi kumbukumbu zilizochanganuliwa, rekodi za matibabu na nyenzo za kihistoria kuwa maandishi yaliyopangwa kwa ajili ya kuhifadhiwa.
Ujenzi wa RAG na hifadhidata ya maarifa: Huchanganua PDF ndefu sana kuwa maudhui yanayoweza kutafutwa, kwa ajili ya maswali na majibu, utafutaji na matumizi ya mawakala mahiri.