百度 veröffentlicht PP-OCRv6: OCR auf Millionenebene mit Parametern gleichauf mit Milliarden-Vision-Modelle
Das Baidu-PaddlePaddle-Team hat ein neues OCR-System, PP-OCRv6, vorgestellt und bietet drei Versionen: Tiny (1,5 Mio.), Small (7,7 Mio.) und Medium (34,5 Mio.) Parameter. Im Vergleich zur Vorgängerversion steigt die Detektionsgenauigkeit um 4,6 %, die Erkennungsgenauigkeit um 5,1 %. Damit erreicht PP-OCRv6 mit einer Größenordnung im Millionenbereich Leistungen, die teils denen von Milliarden-Visual-Language-Modellen (VLM) entsprechen oder sie sogar übertreffen. Ein einzelnes Modell unterstützt Chinesisch, Englisch, Japanisch sowie 46 Sprachen der lateinischen Sprachfamilie und ist vollständig Open Source.
Warum das wichtig ist: PP-OCRv6 zeigt den Trend, dass sich die Leistung großer Modelle mit Hilfe von Architekturinnovationen auch von kleineren Modellen annähern oder erreichen lässt. Das ist besonders bedeutend für Edge-Geräte und die On-Device-KI-Implementierung. Da OCR eine grundlegende Fähigkeit der KI ist, wird eine Senkung der Kosten für OCR die Umsetzung weiterer Anwendungsszenarien befördern.
#百度 #OCR #AI #开源 #大模型
Das Baidu-PaddlePaddle-Team hat ein neues OCR-System, PP-OCRv6, vorgestellt und bietet drei Versionen: Tiny (1,5 Mio.), Small (7,7 Mio.) und Medium (34,5 Mio.) Parameter. Im Vergleich zur Vorgängerversion steigt die Detektionsgenauigkeit um 4,6 %, die Erkennungsgenauigkeit um 5,1 %. Damit erreicht PP-OCRv6 mit einer Größenordnung im Millionenbereich Leistungen, die teils denen von Milliarden-Visual-Language-Modellen (VLM) entsprechen oder sie sogar übertreffen. Ein einzelnes Modell unterstützt Chinesisch, Englisch, Japanisch sowie 46 Sprachen der lateinischen Sprachfamilie und ist vollständig Open Source.
Warum das wichtig ist: PP-OCRv6 zeigt den Trend, dass sich die Leistung großer Modelle mit Hilfe von Architekturinnovationen auch von kleineren Modellen annähern oder erreichen lässt. Das ist besonders bedeutend für Edge-Geräte und die On-Device-KI-Implementierung. Da OCR eine grundlegende Fähigkeit der KI ist, wird eine Senkung der Kosten für OCR die Umsetzung weiterer Anwendungsszenarien befördern.
#百度 #OCR #AI #开源 #大模型