כתבה
arXiv cs.AI ·
PolyOCR-Venus: פלטפורמת OCR מאוחדת לבינה מחשבתית תצלומית
PolyOCR-Venus: Unified OCR Foundation Models for Text-Centric Visual Intelligence
פלטפורמת OCR מאוחדת שמספקת בינה מחשבתית תצלומית תלויה בטקסט. הפלטפורמה משתמשת באלגוריתם של Competence-Guided Policy Optimization וב-OCRBench v2.1 לבדיקה.
תקציר מקורי באנגליתarXiv:2609.37712v1 Announce Type: cross Abstract: Optical Character Recognition (OCR) is evolving from plain-text transcription toward general visual intelligence, requiring models to recognize, localize, and reason over textual information in complex visual environments. However, existing OCR systems often excel at only some tasks and struggle to balance recognition, parsing, and reasoning across scenarios. In this report, we present PolyOCR, a family of unified OCR foundation models of varying scales. PolyOCR combines a shared instruction-following framework with a large-scale data engine that converts heterogeneous visual resources into quality-verified OCR supervision. We introduce Competence-Guided Policy Optimization, which combines verifier-based Group Relative Policy Optimization w
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית