論文の概要: Reading Beyond OCR Noise: Robust Cross-Lingual RAG for Legislative Archives

• arxiv url: http://arxiv.org/abs/2610.35240v1
• Date: Mon, 26 Oct 2026 11:24:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.842397
• Title: Reading Beyond OCR Noise: Robust Cross-Lingual RAG for Legislative Archives
• Title（参考訳）: OCRノイズを超えて読む: 法的アーカイブのためのロバストな言語間RAG
• Abstract要約: 本稿では,視覚に基づくレイアウトセグメンテーションとマルチスクリプトOCRをエージェント検索拡張生成パイプラインに結合するエンドツーエンドフレームワークを提案する。 本手法では,視覚的劣化とレイアウトの断片化がテキスト抽出エラーにどのように伝播するかを具体的に検討する。 20万ページのPunjab Vidhan Sabhaアーカイブから評価し, 歴史的文書劣化の頑健な処理を実証した。
• 参考スコア（独自算出の注目度）: 12.743844243192212
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: India's historical public archives present severe computer vision and document image analysis challenges: decades of parliamentary records survive only as degraded, multi-column scanned pages featuring mixed scripts, complex layouts, and dense visual noise where OCR failure is the primary obstacle to information retrieval. We present an end-to-end framework that couples vision-based layout segmentation and multi-script OCR with an agentic retrieval-augmented generation (RAG) pipeline. Our approach specifically addresses how visual degradation and layout fragmentation propagate into text extraction errors, using an iterative agentic loop to navigate around OCR noise and layout ambiguities before generating answers. Evaluated on the 200,000-page Punjab Vidhan Sabha archive, our system demonstrates robust handling of historical document degradation, outperforming standard text-only baselines.
• Abstract（参考訳）: 数十年の議会記録は、複合スクリプト、複雑なレイアウト、OCR障害が情報検索の主要な障害となる密集した視覚的ノイズを特徴とする、劣化したマルチカラムスキャンページとしてのみ存続する。 本稿では,視覚に基づくレイアウトセグメンテーションとマルチスクリプトOCRをエージェント検索拡張生成(RAG)パイプラインと組み合わせたエンドツーエンドフレームワークを提案する。 提案手法は,OCRノイズやレイアウトの曖昧さを回避するために,反復的なエージェントループを用いて,テキスト抽出エラーに視覚的劣化とレイアウトの断片化がどのように伝播するかを具体的に検討する。 20万ページのPunjab Vidhan Sabhaアーカイブから評価し,本システムでは,歴史的文書の劣化を頑健に処理し,標準のテキストのみのベースラインを上回っていることを示す。

関連論文リスト

• DDVR-Net: Degradation-Aware Decoupling and Visibility-Guided Restoration for Historical Document Recognition [2.363160810189787]
  本稿では,歴史的文書認識のための分解対応デカップリングと可視性誘導型復元フレームワークDDVR-Netを提案する。 DDVR-Netは、固有のグリフ構造を特徴レベルで物理的破壊から切り離し、局所的な可視性を予測し、キャラクタの信頼性を推定する。 チベット語、モンゴル語、ウイグル語のスクリプトを187000の文書ペアでカバーする低リソース多言語ベンチマークを構築した。
  論文  参考訳（メタデータ） (2026-10-12T15:24:35Z)
• TongGuOCR: A Layout-Aware and Token-Augmented OCR MLLM for Chinese Historical Documents [50.64307290680222]
  TongGuOCRは、中国古文書のOCRのためのレイアウト対応およびトークン拡張型マルチモーダル言語モデル(MLLM)である。 TongGuOCRは93.76 ARを達成し、NEDを10.43から6.15に、RO-EDを7.53から3.49に下げる。
  論文  参考訳（メタデータ） (2026-08-08T04:50:00Z)
• Multimodal OCR: Parse Anything from Documents [72.69545534962234]
  dots.mocrは、チャート、ダイアグラム、テーブル、アイコンなどのビジュアル要素を第一級解析ターゲットとして扱う。 テキストとグラフィックの両方を構造化出力として再構築し、より忠実なドキュメント再構築を可能にする。 不均一なドキュメント要素に対するエンドツーエンドのトレーニングをサポートする。
  論文  参考訳（メタデータ） (2026-03-13T14:42:21Z)
• AgenticOCR: Parsing Only What You Need for Efficient Retrieval-Augmented Generation [35.07704681580893]
  本稿では,光学文字認識(OCR)をクエリ駆動オンデマンド抽出システムに変換する動的解析パラダイムであるAgenticOCRを紹介する。 AgenticOCRは、文書レイアウトを「画像で考える」方法で自律的に分析することにより、関心のある領域を特定し、選択的に認識する。 AgenticOCRは、ビジュアルドキュメントRAGスタックの"3番目のビルディングブロック"として機能する可能性がある。
  論文  参考訳（メタデータ） (2026-02-27T16:09:38Z)
• Separate the Wheat from the Chaff: Winnowing Down Divergent Views in Retrieval Augmented Generation [61.47019392413271]
  WinnowRAGは、価値あるコンテンツを保持しながら、ノイズの多いドキュメントを体系的にフィルタリングするように設計されている。 WinnowRAGは2段階で動作する: ステージIでは、クエリ対応クラスタリングを行い、類似したドキュメントをグループ化し、異なるトピッククラスタを形成する。 ステージIIでは,批判的なLCMが複数のエージェントの出力を評価し,有用な文書をノイズのあるものから反復的に分離する。
  論文  参考訳（メタデータ） (2025-11-01T20:08:13Z)
• Lost in OCR Translation? Vision-Based Approaches to Robust Document Retrieval [38.569818461453394]
  Retrieval-Augmented Generation (RAG)は、外部文書の応答をグラウンド化するための技術である。 従来のRAGシステムは、スキャンされた文書をテキストに最初に処理するために光学文字認識(OCR)に依存していた。 ColPaliのような近年の視覚言語アプローチでは、ドキュメントの直接的な視覚的埋め込みを提案しており、OCRの必要性を排除している。
  論文  参考訳（メタデータ） (2025-05-08T21:54:02Z)
• VisRAG: Vision-based Retrieval-augmented Generation on Multi-modality Documents [66.42579289213941]
  Retrieval-augmented Generation (RAG) は、大規模言語モデルが外部知識ソースを生成に活用できる効果的な手法である。 本稿では、視覚言語モデル(VLM)に基づくRAGパイプラインを確立することにより、この問題に対処するVisRAGを紹介する。 このパイプラインでは、まず文書を解析してテキストを得る代わりに、VLMを画像として直接埋め込んで、VLMの生成を強化する。
  論文  参考訳（メタデータ） (2024-10-14T15:04:18Z)
• DocBed: A Multi-Stage OCR Solution for Documents with Complex Layouts [2.885058600042882]
  この研究は、21の異なる州から3000の完全な注釈付き現実世界の新聞画像のデータセットを公開している。 既存の光学式文字認識(OCR)エンジンの先駆けとしてレイアウトセグメンテーションを提案する。 独立したレイアウトセグメンテーションとエンドツーエンドのOCRのための、徹底的で構造化された評価プロトコルを提供する。
  論文  参考訳（メタデータ） (2022-02-03T05:21:31Z)

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。