Опыт распознавания текста: от ABBYY Hot Folder до Xiaomi-OCR-0 и AI-агентов
Публикация модели Xiaomi-OCR-0 послужила поводом для рассмотрения различных подходов к оптическому распознаванию символов. В статье автор сравнивает опыт использования AI-агентов для чтения текста с изображений и инструмента ABBYY Hot Folder.
Читать в первоисточнике — Хабр ↗
Ещё в ленте
Дайджест научных работ по мультимодальному ИИ и робототехнике
Опубликован дайджест из 17 научных исследований, посвященных компьютерному зрению, речи, роботам и мультимодальным системам. В материале рассматриваются как эксперименты на реальных манипуляторах и дронах, так и испытания в симуляциях.
Опыт выбора локальных LLM для задач программирования
Специалист протестировал различные локальные языковые модели и пришел к выводу о преимуществе семейства Qwen в задачах написания кода. После попытки сократить число используемых инструментов автор провел дополнительное сравнение на основе тир-листов.
Сравнение Mask R-CNN и YOLO при поиске мелких дефектов на производстве
Автор провел сравнение архитектур Mask R-CNN и YOLO на 1812 производственных снимках в рамках задачи визуального контроля. Разбор показывает, что общие метрики качества могут оставаться высокими, несмотря на пропуск мелких дефектов моделями.
Эксперимент SparkToro: почему видимость сайта в ИИ нельзя оценивать разовой проверкой
В эксперименте SparkToro и Gumshoe 600 участников протестировали 12 промптов в ChatGPT, Claude и Google AI и обнаружили, что списки упоминаемых брендов почти не повторяются. Авторы подчеркивают, что видимость в ИИ-поиске является вероятностью, поэтому для надежной оценки необходимо проводить серию повторов одного вопроса с подсчетом погрешности.