Baidu выпустила Unlimited-OCR 2: распознавание тысяч страниц без роста потребления памяти

Компания Baidu опубликовала модель Unlimited-OCR 2 с открытым исходным кодом. Технология предназначена для извлечения текста, таблиц и формул из PDF-файлов и сканированных изображений.

Как это работает
В основе лежит механизм Sparse Reference Sliding Window Attention (SR-SWA). В отличие от классических систем, модель не перечитывает документ целиком, а обращается только к необходимым визуальным фрагментам.

* Это позволяет сохранять расход памяти и задержку на каждом шаге декодирования практически постоянными, независимо от объема данных.
* Механизм Unlimited-Horizon Decoding освобождает участки кэша, которые больше не нужны.

Результаты тестирования
► Масштаб: за один проход успешно обработано более 3600 страниц (полная серия книг о Гарри Поттере).
► Производительность: отдельные этапы обработки ускорились до 7 раз.
► Доступность: модель распространяется бесплатно под лицензией MIT.

https://github.com/baidu/Unlimited-OCR

#UnlimitedOCR #Baidu #OCR #AI #РаспознаваниеТекста #OpenSource