10月27日，百度发布并开源文心Unlimited OCR 2，实现任意页数文档解析，将OCR的处理上限从数十页推向“无限”。实测显示，该模型能够一次性解析《哈利·波特》全系列7部作品，累计超过3600页，在文档长度大幅增加的情况下，依然保持较高的精度和处理效率，推动文档解析技术迈向OCR 3.0时代。   公开基准测试显示，在面向多页文档解析的MPDocBench，以及专门评估百页级超长文档解析 ...

GitHub OCR项目之王刚刚历史性易主。 诞生近40年、统治OCR领域的技术标杆Tesseract OCR，被中国开源拉下王座—— 百度文心衍生模型PaddleOCR以73300+Star，正式登顶GitHub全球OCR项目榜，终结谷歌Tesseract OCR长期霸榜局面。 这也是中国开源在这一基础赛道上，首次拿下全球 ...

相信大家在工作生活中经常会遇到表格识别的问题，比如导师说，把下面 PDF 文件里面的表格取出来整理成 Excel 表。 也可能会遇到，公司领导或者客户发来一张截图，需要里面的表格取出来转成 Excel 表。 如图所示，针对一张完整的 PDF 图片，这个开源项目可以 ...

近日，百度文心衍生模型PaddleOCR在GitHub上的Star数突破73.3K，首次超越谷歌旗下开源OCR标杆产品Tesseract OCR（73.2K），成为全球Star数最高的OCR项目。 Tesseract OCR诞生于1985年，最初由惠普实验室研发，2005年开源后由Google接手维护并持续迭代，是OCR领域延续近四十年的 ...

Baidu(百度)は10月27日、長文ドキュメント解析向けAIモデル「Unlimited OCR 2」をオープンウェイトで公開した。コードやモデルのウェイト(重み)はGitHubやHugging Face、ModelScopeで無償公開しており、ライセンスはMITライセンス。 Unlimited OCR 2は、文書が長くなるほど増大する計算量やメモリ使用量を抑え、数百ページ規模の解析に対応するAI ...