ocr

A Baidu lança o PP-OCRv6: OCR de parâmetros na casa dos milhões rivaliza com modelos visuais de bilhões

A equipe da PaddlePaddle lança um novo sistema OCR, o PP-OCRv6, oferecendo três versões: Tiny 1,5M, Small 7,7M e Medium 34,5M. Em comparação com a geração anterior, a acurácia de detecção melhora 4,6%, e a acurácia de reconhecimento aumenta 5,1%. Com uma escala de parâmetros na casa dos milhões, o desempenho se aproxima e até supera o de alguns modelos de linguagem multimodal visuais (VLM) na casa dos bilhões. Um único modelo suporta chinês, inglês, japonês e 46 tipos de línguas do grupo latino, e já foi totalmente open source.

Por que isso é importante: o PP-OCRv6 mostra a tendência de que modelos menores podem rivalizar com o desempenho de modelos maiores por meio de inovações de arquitetura. Isso tem grande relevância para dispositivos de borda e para a implantação de IA no dispositivo. Como o OCR é uma capacidade base da IA, a redução de custos impulsionará a materialização de mais cenários de aplicação.

#百度 #OCR #AI #开源 #大模型