百度がPP-OCRv6を発表：数千万規模のパラメータOCRが、億規模のビジョン大規模モデルに匹敵

百度の飛桨チームが新世代OCRシステムのPP-OCRv6を発表し、Tiny 1.5M、Small 7.7M、Medium 34.5Mの3つのバージョンを提供します。従来モデルに比べて検出精度が4.6%向上し、認識精度が5.1%向上。数千万規模のパラメータにより、ある種の億規模ビジョン言語モデル（VLM）の性能に近づき、さらに上回ることもあります。単一モデルで中国語、英語、日本語、そして46のラテン系言語に対応し、すでに全面オープンソース化されています。

重要な理由：PP-OCRv6は、小型モデルがアーキテクチャの革新によって大規模モデル並みの性能に到達できるというトレンドを示しており、エッジデバイスや端末側AIの導入にとって大きな意味があります。OCRはAIの基盤能力であり、そのコスト低下は、より多くのアプリケーションシナリオの実装を後押しするでしょう。

#百度 #OCR #AI #开源 #大模型