論文の概要: TransDocs: Optical Character Recognition with word to word translation

• arxiv url: http://arxiv.org/abs/2304.07637v1
• Date: Sat, 15 Apr 2023 21:40:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-18 18:06:21.076664
• Title: TransDocs: Optical Character Recognition with word to word translation
• Title（参考訳）: TransDocs: 単語から単語への変換による文字認識
• Authors: Abhishek Bamotra, Phani Krishna Uppala
• Abstract要約: 本研究は,光学文字認識(OCR)をML技術で改善することに焦点を当てる。 この研究は、英語からスペイン語への翻訳のためのANKIデータセットに基づいている。
• 参考スコア（独自算出の注目度）: 2.2336243882030025
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While OCR has been used in various applications, its output is not always accurate, leading to misfit words. This research work focuses on improving the optical character recognition (OCR) with ML techniques with integration of OCR with long short-term memory (LSTM) based sequence to sequence deep learning models to perform document translation. This work is based on ANKI dataset for English to Spanish translation. In this work, I have shown comparative study for pre-trained OCR while using deep learning model using LSTM-based seq2seq architecture with attention for machine translation. End-to-end performance of the model has been expressed in BLEU-4 score. This research paper is aimed at researchers and practitioners interested in OCR and its applications in document translation.
• Abstract（参考訳）: OCRは様々なアプリケーションで使われているが、その出力は必ずしも正確ではない。 本研究は,ML技術を用いた光学文字認識(OCR)の改良に焦点をあて,長期記憶(LSTM)ベースシーケンスとOCRを統合し,文書翻訳を行うためのシーケンス深層学習モデルを構築する。 この研究は、英語からスペイン語への翻訳のためのANKIデータセットに基づいている。 本研究では,LSTMをベースとしたseq2seqアーキテクチャを用いたディープラーニングモデルを用いて,事前学習したOCRの比較研究を行った。 モデルのエンドツーエンドパフォーマンスはbleu-4スコアで表現されている。 本研究は,OCRとその文書翻訳への応用に関心のある研究者や実践者を対象としている。

関連論文リスト

• CLOCR-C: Context Leveraging OCR Correction with Pre-trained Language Models [0.0]
  本稿では、コンテキストレバレッジOCR補正(CLOCR-C)を紹介する。 トランスフォーマーベースの言語モデル(LM)の組み込みとコンテキスト適応能力を使用して、OCRの品質を向上する。 本研究の目的は, LMがOCR後の修正を行うことができるか, 下流のNLPタスクを改善するか, 補正プロセスの一部として社会文化的コンテキストを提供することの価値を判断することである。
  論文  参考訳（メタデータ） (2024-08-30T17:26:05Z)
• Spanish TrOCR: Leveraging Transfer Learning for Language Adaptation [0.0]
  本研究では,TrOCRアーキテクチャのスペイン語への移行学習能力について検討する。 我々は、英語のTrOCRエンコーダを言語固有のデコーダと統合し、この言語でモデルを訓練する。 英語のTrOCRをスペイン語で微調整すると、固定データセットサイズに対する言語固有のデコーダよりも優れた認識が得られる。
  論文  参考訳（メタデータ） (2024-07-09T15:31:41Z)
• LexMatcher: Dictionary-centric Data Collection for LLM-based Machine Translation [67.24113079928668]
  本稿では、バイリンガル辞書に見られる感覚のカバレッジによって駆動されるデータキュレーション手法であるLexMatcherを提案する。 我々の手法は、WMT2022テストセットの確立されたベースラインよりも優れています。
  論文  参考訳（メタデータ） (2024-06-03T15:30:36Z)
• Exploring OCR Capabilities of GPT-4V(ision) : A Quantitative and In-depth Evaluation [33.66939971907121]
  評価の結果,GPT-4Vはラテン内容の認識や理解に優れていたが,多言語シナリオや複雑なタスクに苦慮していることが明らかとなった。 一般に、多様なOCRタスクを扱う汎用性にもかかわらず、GPT-4Vは既存の最先端のOCRモデルより優れているわけではない。
  論文  参考訳（メタデータ） (2023-10-25T17:38:55Z)
• User-Centric Evaluation of OCR Systems for Kwak'wala [92.73847703011353]
  OCRを利用すると、文化的に価値ある文書の書き起こしに費やした時間を50%以上削減できることを示す。 この結果から,OCRツールが下流言語ドキュメントや再生作業において持つ潜在的なメリットが示された。
  論文  参考訳（メタデータ） (2023-02-26T21:41:15Z)
• Transferring General Multimodal Pretrained Models to Text Recognition [46.33867696799362]
  我々は文字認識を画像キャプションとして再キャストし、統合された視覚言語事前学習モデルを直接エンドタスクに転送する。 OCRパイプラインをOFA-OCRで構築し、製品レベルのAPIと競合する性能を実現することを実証する。
  論文  参考訳（メタデータ） (2022-12-19T08:30:42Z)
• Understanding Translationese in Cross-Lingual Summarization [106.69566000567598]
  言語間要約(MS)は、異なる対象言語で簡潔な要約を生成することを目的としている。 大規模なCLSデータを集めるために、既存のデータセットは通常、それらの生成に翻訳を伴います。 本稿では、まず、CLSデータセット構築の異なるアプローチが、異なるレベルの翻訳に結びつくことを確認する。
  論文  参考訳（メタデータ） (2022-12-14T13:41:49Z)
• OCR Improves Machine Translation for Low-Resource Languages [10.010595434359647]
  我々は,騒音に富んだ実データと合成データからなる新しいベンチマークであるtextscOCR4MTを導入し,公開する。 我々は、我々のベンチマークで最先端のOCRシステムを評価し、最も一般的なエラーを分析した。 次に,OCRエラーが機械翻訳性能に与える影響について検討する。
  論文  参考訳（メタデータ） (2022-02-27T02:36:45Z)
• Lexically Aware Semi-Supervised Learning for OCR Post-Correction [90.54336622024299]
  世界中の多くの言語における既存の言語データの多くは、非デジタル化された書籍や文書に閉じ込められている。 従来の研究は、あまり良くない言語を認識するためのニューラル・ポスト・コレクション法の有用性を実証してきた。 そこで本研究では,生画像を利用した半教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2021-11-04T04:39:02Z)
• Neural Model Reprogramming with Similarity Based Mapping for Low-Resource Spoken Command Recognition [71.96870151495536]
  低リソース音声コマンド認識(SCR)のための新しいAR手法を提案する。 ARプロシージャは、(対象領域から)音響信号を修正して、事前訓練されたSCRモデルを再利用することを目的としている。 提案したAR-SCRシステムについて,アラビア語,リトアニア語,マンダリン語を含む3つの低リソースSCRデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2021-10-08T05:07:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。