разбор · ocr

из 10

смотреть по главам — взять две-три нужные минуты

оценка машинная и частично зависит от длины ролика — спорите, открывайте оригинал

Сравнение OCR-моделей до 2B и 5.7B параметров на реальных документах: MinerU, PaddleOCR, GLM OCR, ChanderOCR2, OLM OCR2…

The Best Local OCR Models: Tests and Comparison on Real Documents

Сравнение OCR-моделей до 2B и 5.7B параметров на реальных документах: MinerU, PaddleOCR, GLM OCR, ChanderOCR2, OLM OCR2 и VLM Qwen3.6. MinerU лучший для таблиц и структуры, Qwen3.6 и OLM OCR2 сильны на сложных случаях, рукописный текст остается проблемой для всех.

что из этого моё

Можно использовать результаты теста для выбора OCR-модели в пайплайне обработки документов: MinerU для таблиц и структуры, Qwen3.6 для сложных случаев. Учитывать ограничения на рукописном тексте и внедрить проверку ключевых фрагментов.

Тезисы ролика

применимого к своей работе линза здесь не нашла

▸Для структурных документов (таблицы, PDF) используйте MinerU: при 1.2B параметров он держится на уровне крупных моделей, отлично сохраняет структуру.

▸Для сложных случаев (рукопись, математические формулы) выбирайте Qwen3.6 или OLM OCR2: они показывают лучший результат, но требуют больше ресурсов.

▸При оценке OCR-моделей не полагайтесь только на accuracy: для рукописного текста обязательно проверяйте сохранность ключевых фрагментов (unit test pass rate).

▸Компактные модели (PaddleOCR, GLM OCR) подходят для простых сканов, но на таблицах и рукописи проседают — учитывайте это при выборе.

о чём говорят, по времени

главы доводят до 06:09 · дальше по ролику меток нет

Введение и метрики00:00 ↗

Обзор задачи и критериев оценки OCR-моделей.

Компактные модели02:02 ↗

Разбор MinerU, PaddleOCR, GLM OCR.

Крупные OCR-модели04:07 ↗

ChanderOCR2 и OLM OCR2.

VLM Qwen3.605:39 ↗

Проверка Qwen3.6 как альтернативы.

Итоги и выводы06:09 ↗