【GOT：通用光学字符识别】

文章预览

\x26amp;quot;General OCR Theory: Towards OCR-2.0 via a Unified End-to-end Model\x26amp;quot; 是一篇探讨光学字符识别（OCR）技术未来发展的研究论文。文章提出了一种新的OCR模型——GOT（General OCR Theory），旨在推动OCR技术向2.0版本迈进。GOT模型是一个统一的、端到端的模型，包含高压缩率的编码器和长上下文的解码器，能够处理各种人造光学信号，如普通文本、数学/化学公式、表格、图表、乐谱甚至几何形状等。 GOT模型的特点包括： 1. **端到端的架构**：与传统的多模块OCR系统相比，GOT模型提供了一个统一的架构，减少了维护成本，使得整个系统更易于掌握和使用。 2. **低训练和推理成本**：GOT模型专注于光学字符的强感知和识别，而不是像大型视觉语言模型（LVLMs）那样侧重于推理任务，因此模型参数数量合理，训练和推理成本较低。 3. **通用性**：GOT模型能够识别 ………………………………