論文の概要: Evaluating Cloud and Self-Hosted OCR Systems for Arabic, English, and French Documents: Bounding Box Detection, Text Recognition, and Mathematical Expression Recognition

• arxiv url: http://arxiv.org/abs/2610.25235v1
• Date: Sun, 18 Oct 2026 12:54:44 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:22:40.581962
• Title: Evaluating Cloud and Self-Hosted OCR Systems for Arabic, English, and French Documents: Bounding Box Detection, Text Recognition, and Mathematical Expression Recognition
• Title（参考訳）: アラビア語・英語・フランス語文書に対するクラウド・セルフホステッドOCRシステムの評価:ボックス検出,テキスト認識,数学的表現認識
• Abstract要約: Google Document AIとSuryaは48ページ中47ページ(98%)と48ページ中46ページ(96%)でGood行ボックスを作成した。 Datalab、Azure Document Intelligence、Document AIのCERは0.145-0.152で、調整されていないペア比較では差は検出されなかった。 厳密なチェックでは、ほぼ完全なページスコアが、置換されたアラビア語の変数または東アラビアの数字を西の形式で書き換える可能性を秘めている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Choosing an OCR system for a multilingual archive requires balancing accuracy against deployment constraints. This study compares cloud and self-hosted systems on three tasks: bounding box detection on 48 Arabic, English, and French pages, text recognition on 315 pages across nine document types, and mathematical expression recognition on 83 English and Arabic samples. Detection was assessed by page-level visual grades, text by character error rate (CER) against a Gemini-generated reference transcription, and mathematics by scores against known answers. Main estimates are accompanied by 95% intervals and paired comparisons. Google Document AI and Surya produced Good line boxes on 47 of 48 (98%) and 46 of 48 (96%) pages. Datalab, Azure Document Intelligence, and Document AI had mean CERs of 0.145-0.152, with no difference detected in unadjusted paired comparisons. Surya had the lowest mean CER among self-hosted systems (0.199). No mathematical test had a statistically clear leader. Strict checks showed that near-perfect page scores could conceal a replaced Arabic variable or Eastern Arabic digits rewritten in Western form. Reliable evaluation therefore requires uncertainty estimates, structural checks, and notation-specific tests in addition to aggregate recognition scores.
• Abstract（参考訳）: 多言語アーカイブのためのOCRシステムを選択するには、デプロイメントの制約に対する正確さのバランスが必要である。 本研究は,48のアラビア語,英語,フランス語ページのボックス検出,9つの文書タイプにわたる315ページのテキスト認識,83の英語およびアラビア語サンプルの数学的表現認識という,3つのタスクにおけるクラウドとセルフホストシステムの比較を行った。 検出は、ページレベルの視覚成績、ジェミニ生成した参照文字に対する文字誤り率(CER)によるテキスト、既知の回答に対するスコアによる数学によって評価された。 主な推定値には95%の間隔とペア比較がある。 Google Document AIとSuryaは48ページ中47ページ(98%)と48ページ中46ページ(96%)でGood行ボックスを作成した。 Datalab、Azure Document Intelligence、Document AIのCERは0.145-0.152で、調整されていないペア比較では差は検出されなかった。 スーリヤは自己ホスト型システム(0.199)の中で最も低い平均CERを持っていた。 統計学的に明確なリーダーはいなかった。 厳密なチェックでは、ほぼ完全なページスコアが、置換されたアラビア語の変数または東アラビアの数字を西の形式で書き換える可能性を秘めている。 したがって信頼性評価には、アグリゲーション認識スコアに加えて、不確実性評価、構造チェック、および記法固有のテストが必要である。

関連論文リスト

• Evaluating Commercial AI Chatbots as News Intermediaries [85.32040752972836]
  ベストシステムは、数時間前に報告されたイベントに関する質問に対して、90%以上の多重選択精度を達成する。 すべてのモデルはヒンディー語で最小の精度を達成する。 原因ではなく検索は エラーの70%以上を 引き起こします
  論文  参考訳（メタデータ） (2026-05-21T17:42:07Z)
• KITAB-Bench: A Comprehensive Multi-Domain Benchmark for Arabic OCR and Document Understanding [24.9462694200992]
  KITAB-Benchは、現在の評価システムのギャップを埋める包括的なアラビアOCRベンチマークである。 現代の視覚言語モデル(GPT-4o、Gemini、Qwenなど)は、従来のOCRアプローチを平均60%の文字誤り率(CER)で上回っている。 本研究はアラビア文書分析手法の改良を促進するための厳格な評価枠組みを確立する。
  論文  参考訳（メタデータ） (2025-02-20T18:41:23Z)
• Arabic Handwritten Document OCR Solution with Binarization and Adaptive Scale Fusion Detection [1.1655046053160683]
  テキスト行の正確な検出を保証するために,ラインセグメンテーションとAdaptive Scale Fusion技術から始まる完全なOCRパイプラインを提案する。 我々のシステムはアラビア多言語データセットに基づいて訓練され、7文字から10文字の単語サンプルに対して99.20%の文字認識率(CRR)と93.75%の単語認識率(WRR)を達成する。
  論文  参考訳（メタデータ） (2024-12-02T15:21:09Z)
• Paraphrasing evades detectors of AI-generated text, but retrieval is an effective defense [56.077252790310176]
  本稿では,パラフレーズ生成モデル(DIPPER)を提案する。 DIPPERを使って3つの大きな言語モデル(GPT3.5-davinci-003)で生成されたテキストを言い換えると、透かしを含むいくつかの検出器を回避できた。 我々は,言語モデルAPIプロバイダによって維持されなければならない,意味論的に類似した世代を検索するシンプルなディフェンスを導入する。
  論文  参考訳（メタデータ） (2023-03-23T16:29:27Z)
• Comprehensive Benchmark Datasets for Amharic Scene Text Detection and Recognition [56.048783994698425]
  Ethiopic/Amharicスクリプトはアフリカ最古の書記システムの一つで、東アフリカで少なくとも23の言語に対応している。 アムハラ語の表記体系である Abugida は282音節、15句の句読点、20の数字を持つ。 HUST-ART, HUST-AST, ABE, Tana という,自然界におけるアムハラ文字の検出と認識のための総合的な公開データセットを提示した。
  論文  参考訳（メタデータ） (2022-03-23T03:19:35Z)
• Handwriting recognition and automatic scoring for descriptive answers in Japanese language tests [7.489722641968594]
  本報告では, 大学入試試験における手書き記述回答の自動評価実験について述べる。 すべての答えは人間の検査官によって採点されているが、手書き文字はラベル付けされていない。 我々は、ラベル付き手書きデータセットで訓練されたディープニューラルネットワークベースの手書き文字認識器を、このラベル付き回答セットに適応させようと試みる。
  論文  参考訳（メタデータ） (2022-01-10T08:47:52Z)
• AES Systems Are Both Overstable And Oversensitive: Explaining Why And Proposing Defenses [66.49753193098356]
  スコアリングモデルの驚くべき逆方向の脆さの原因について検討する。 のモデルとして訓練されているにもかかわらず、単語の袋のように振る舞うことを示唆している。 高い精度で試料を発生させる過敏性と過敏性を検出できる検出ベース保護モデルを提案する。
  論文  参考訳（メタデータ） (2021-09-24T03:49:38Z)
• Arabic Handwritten Character Recognition based on Convolution Neural Networks and Support Vector Machine [0.0]
  本稿では,ディープ畳み込みニューラルネットワーク(DCNN)とサポートベクタマシン(SVM)を用いたアラビア文字と文字の認識アルゴリズムを提案する。 本稿では,入力テンプレートと事前記憶テンプレートとの類似性を決定することで,アラビア文字認識の問題に対処する。 本研究は,提案アルゴリズムが入力された手書きアラビア語文字を認識し,識別し,検証する能力を示すものである。
  論文  参考訳（メタデータ） (2020-09-28T16:18:52Z)
• Evaluation Toolkit For Robustness Testing Of Automatic Essay Scoring Systems [64.4896118325552]
  モデル逆算評価スキームと関連するメトリクスを用いて、現状のAESモデルを評価する。 AESモデルは非常に過大評価されていることがわかった。質問の話題に関係のない内容の重い修正(25%まで)でさえ、モデルが生み出すスコアを低下させることはない。
  論文  参考訳（メタデータ） (2020-07-14T03:49:43Z)

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。