OCRsiz hujjat tushunish nima (Donut, Pix2Struct)?

OCR-ўзгартирилмаган ҳужжатларни тушуниш — бу анъанавий оптик ҳарф таниш (OCR)дан фойдаланмай ҳужжатлардан маълумот олишга қаратилган ёндашув. Ўрнига, моделлар ҳужжатлар расмини тўғридан-тўғри ишлайди, чуқур ўрганиш ва мультимодал архитектуралардан фойдаланади.

Бундай моделларга мисоллар:

• Donut (Ҳужжат тушуниш трансформери) — ҳужжат расмини кириш сифатида олади ва тузилган матн чиқишини яратади, олдиндан OCRга эҳтиёжсиз, расм-матн парларида ўргатилади.

• Pix2Struct — пиксель маълумотларини (расмлар) тузилган тасвирларга айлантиради, турли турдаги ҳужжатлар билан ишлашга қодир.

OCR-ўзгартирилмаган ёндашувнинг афзаллиги:

• Ҳарф таниш билан боғлиқ хато-камчиликларни олдини олади.
• Визуал контекст ва ҳужжат структурасини ҳисобга олиш имконини беради.
• Турли тиллар ва шрифтлар учун универсал.

Шунинг учун, OCR-ўзгартирилмаган ҳужжат тушуниш — бу компьютер кўриши ва NLP соҳасида замонавий тенденция бўлиб, визуал ва матнли маълумотларни бирлаштириб, ҳужжатларни янада аниқ тушунишга ёрдам беради.