会员服务
Judge a Book by its Cover: Investigating Multi-Modal LLMs for Multi-Page Handwritten Document Transcription
Arxiv
0+阅读 · 2月27日
Reference-Based Post-OCR Processing with LLM for Precise Diacritic Text in Historical Document Recognition
Arxiv
0+阅读 · 2月27日
NusaAksara: A Multimodal and Multilingual Benchmark for Preserving Indonesian Indigenous Scripts
Arxiv
0+阅读 · 2月25日
Éclair -- Extracting Content and Layout with Integrated Reading Order for Documents
Arxiv
0+阅读 · 2月6日
CLOCR-C: Context Leveraging OCR Correction with Pre-trained Language Models
Arxiv
0+阅读 · 1月22日
KITAB-Bench: A Comprehensive Multi-Domain Benchmark for Arabic OCR and Document Understanding
Arxiv
0+阅读 · 2月20日
Reading the unreadable: Creating a dataset of 19th century English newspapers using image-to-text language models
Arxiv
0+阅读 · 2月18日
Online Fault Tolerance Strategy for Abrupt Reachability Constraint Changes
Arxiv
0+阅读 · 1月25日
Geometry Restoration and Dewarping of Camera-Captured Document Images
Arxiv
0+阅读 · 1月6日
Geometry Restoration and Dewarping of Camera-Captured Document Images
Arxiv
0+阅读 · 1月9日
SceneVTG++: Controllable Multilingual Visual Text Generation in the Wild
Arxiv
0+阅读 · 1月6日
SceneVTG++: Controllable Multilingual Visual Text Generation in the Wild
Arxiv
0+阅读 · 1月7日
ERPA: Efficient RPA Model Integrating OCR and LLMs for Intelligent Document Processing
Arxiv
0+阅读 · 2024年12月24日
Do Current Video LLMs Have Strong OCR Abilities? A Preliminary Study
Arxiv
0+阅读 · 2024年12月29日
Crossing Language Borders: A Pipeline for Indonesian Manhwa Translation
Arxiv
0+阅读 · 1月3日
参考链接
微信扫码咨询专知VIP会员
Top