#imagetotext — Public Fediverse posts

OCR в кармане: как HunyuanOCR на 1B параметров потеснил гигантов в задачах парсинга документов

Всем привет! Меня зовут Артем, я Data Scientist в компании Raft Digital Solutions . В этой статье расскажу про свой опыт работы с HunyuanOCR end-to-end моделью от Tencent для распознавания текста на 1B параметров. Несмотря на громкие заявления о «SOTA-результатах» и компактности, в публичных обзорах практически не описано, как эта модель ведет себя в реальных задачах: с чем приходится столкнуться при настройке окружения, почему она может уйти в бесконечное зацикливание и как заставить её эффективно парсить сложные таблицы на обычном «железе». Поделюсь результатами своих экспериментов, покажу боевые промпты и объясню, в каких сценариях этот OCR-инструмент реально помогает экономить время, а где лучше даже не пытаться его использовать.

https://habr.com/ru/companies/raft/articles/1031684/

#ocr #document #ocrтехнологии #ocr_распознавание_документов #document_parsing #распознавание_текста #обработка_документов #таблицы #сканы #imagetotext

OCR в кармане: как HunyuanOCR на 1B параметров потеснил гигантов в задачах парсинга документов

Всем привет! Меня зовут Артем, я Data Scientist в компании Raft Digital Solutions . В этой статье расскажу про свой опыт работы с HunyuanOCR end-to-end моделью от Tencent для распознавания текста на 1B параметров. Несмотря на громкие заявления о «SOTA-результатах» и компактности, в публичных обзорах практически не описано, как эта модель ведет себя в реальных задачах: с чем приходится столкнуться при настройке окружения, почему она может уйти в бесконечное зацикливание и как заставить её эффективно парсить сложные таблицы на обычном «железе». Поделюсь результатами своих экспериментов, покажу боевые промпты и объясню, в каких сценариях этот OCR-инструмент реально помогает экономить время, а где лучше даже не пытаться его использовать.

https://habr.com/ru/companies/raft/articles/1031684/

#ocr #document #ocrтехнологии #ocr_распознавание_документов #document_parsing #распознавание_текста #обработка_документов #таблицы #сканы #imagetotext

OCR в кармане: как HunyuanOCR на 1B параметров потеснил гигантов в задачах парсинга документов

Всем привет! Меня зовут Артем, я Data Scientist в компании Raft Digital Solutions . В этой статье расскажу про свой опыт работы с HunyuanOCR end-to-end моделью от Tencent для распознавания текста на 1B параметров. Несмотря на громкие заявления о «SOTA-результатах» и компактности, в публичных обзорах практически не описано, как эта модель ведет себя в реальных задачах: с чем приходится столкнуться при настройке окружения, почему она может уйти в бесконечное зацикливание и как заставить её эффективно парсить сложные таблицы на обычном «железе». Поделюсь результатами своих экспериментов, покажу боевые промпты и объясню, в каких сценариях этот OCR-инструмент реально помогает экономить время, а где лучше даже не пытаться его использовать.

https://habr.com/ru/companies/raft/articles/1031684/

#ocr #document #ocrтехнологии #ocr_распознавание_документов #document_parsing #распознавание_текста #обработка_документов #таблицы #сканы #imagetotext

OCR в кармане: как HunyuanOCR на 1B параметров потеснил гигантов в задачах парсинга документов

Всем привет! Меня зовут Артем, я Data Scientist в компании Raft Digital Solutions . В этой статье расскажу про свой опыт работы с HunyuanOCR end-to-end моделью от Tencent для распознавания текста на 1B параметров. Несмотря на громкие заявления о «SOTA-результатах» и компактности, в публичных обзорах практически не описано, как эта модель ведет себя в реальных задачах: с чем приходится столкнуться при настройке окружения, почему она может уйти в бесконечное зацикливание и как заставить её эффективно парсить сложные таблицы на обычном «железе». Поделюсь результатами своих экспериментов, покажу боевые промпты и объясню, в каких сценариях этот OCR-инструмент реально помогает экономить время, а где лучше даже не пытаться его использовать.

https://habr.com/ru/companies/raft/articles/1031684/

#ocr #document #ocrтехнологии #ocr_распознавание_документов #document_parsing #распознавание_текста #обработка_документов #таблицы #сканы #imagetotext

Janus Pro от DeepSeek: стоит ли она внимания? Сравнение генерации и объяснений с Dalle-3 и SD3

Появились первые тесты новой нейросети Janus — эта модель не только генерирует изображения, но и анализирует их, объясняя детали и делая осмысленные комментарии. В этой статье мы разберёмся, как Janus Pro (7B) справляется с генерацией изображений по сравнению с Stable Diffusion 3 (Medium) и Dall-3 , а также кто лучше анализирует и комментирует изображения — Janus Pro или Dalle-3 . Ну что, готовы? Тогда погнали!

https://habr.com/ru/companies/bothub/articles/877704/

#ai #ии #janus #deepseek #генерация_изображений #анализ_изображений #texttoimage #imagetotext

Janus Pro от DeepSeek: стоит ли она внимания? Сравнение генерации и объяснений с Dalle-3 и SD3

Появились первые тесты новой нейросети Janus — эта модель не только генерирует изображения, но и анализирует их, объясняя детали и делая осмысленные комментарии. В этой статье мы разберёмся, как Janus Pro (7B) справляется с генерацией изображений по сравнению с Stable Diffusion 3 (Medium) и Dall-3 , а также кто лучше анализирует и комментирует изображения — Janus Pro или Dalle-3 . Ну что, готовы? Тогда погнали!

https://habr.com/ru/companies/bothub/articles/877704/

#ai #ии #janus #deepseek #генерация_изображений #анализ_изображений #texttoimage #imagetotext

Janus Pro от DeepSeek: стоит ли она внимания? Сравнение генерации и объяснений с Dalle-3 и SD3

Появились первые тесты новой нейросети Janus — эта модель не только генерирует изображения, но и анализирует их, объясняя детали и делая осмысленные комментарии. В этой статье мы разберёмся, как Janus Pro (7B) справляется с генерацией изображений по сравнению с Stable Diffusion 3 (Medium) и Dall-3 , а также кто лучше анализирует и комментирует изображения — Janus Pro или Dalle-3 . Ну что, готовы? Тогда погнали!

https://habr.com/ru/companies/bothub/articles/877704/

#ai #ии #janus #deepseek #генерация_изображений #анализ_изображений #texttoimage #imagetotext

Janus Pro от DeepSeek: стоит ли она внимания? Сравнение генерации и объяснений с Dalle-3 и SD3

Появились первые тесты новой нейросети Janus — эта модель не только генерирует изображения, но и анализирует их, объясняя детали и делая осмысленные комментарии. В этой статье мы разберёмся, как Janus Pro (7B) справляется с генерацией изображений по сравнению с Stable Diffusion 3 (Medium) и Dall-3 , а также кто лучше анализирует и комментирует изображения — Janus Pro или Dalle-3 . Ну что, готовы? Тогда погнали!

https://habr.com/ru/companies/bothub/articles/877704/

#ai #ии #janus #deepseek #генерация_изображений #анализ_изображений #texttoimage #imagetotext

Can't Ctrl+C something because it's baked to pixels? Now you can!

NormCap is an unusual screen capture tool. It doesn't capture images, but extracts *text* from a selected area of your screen.

https://dynobo.github.io/normcap/

#Productivity #OCR #ScreenCapture #Screenshot #TextCapture #NormCap #ImageToText

Can't Ctrl+C something because it's baked to pixels? Now you can!

NormCap is an unusual screen capture tool. It doesn't capture images, but extracts *text* from a selected area of your screen.

https://dynobo.github.io/normcap/

#Productivity #OCR #ScreenCapture #Screenshot #TextCapture #NormCap #ImageToText

Can't Ctrl+C something because it's baked to pixels? Now you can!

NormCap is an unusual screen capture tool. It doesn't capture images, but extracts *text* from a selected area of your screen.

https://dynobo.github.io/normcap/

#Productivity #OCR #ScreenCapture #Screenshot #TextCapture #NormCap #ImageToText

Can't Ctrl+C something because it's baked to pixels? Now you can!

NormCap is an unusual screen capture tool. It doesn't capture images, but extracts *text* from a selected area of your screen.

https://dynobo.github.io/normcap/

#Productivity #OCR #ScreenCapture #Screenshot #TextCapture #NormCap #ImageToText

Can't Ctrl+C something because it's baked to pixels? Now you can!

NormCap is an unusual screen capture tool. It doesn't capture images, but extracts *text* from a selected area of your screen.

https://dynobo.github.io/normcap/

#Productivity #OCR #ScreenCapture #Screenshot #TextCapture #NormCap #ImageToText

Обучение ИИ на синтетических данных: исследователи из MIT меняют правила игры

Как известно, данные - это новая почва в мире AI. И товарищи-исследователи из MIT CSAIL нашли оригинальный способ вырастить на этой плодородной земле нечто большее, чем просто пиксели. В своем новом исследовании , они использовали синтетические изображения для обучения моделей машинного зрения и значительно превзошли результаты традиционных подходов с "реальными" картинками. Такое обучение оказалось более эффективным и свободным от предубеждений машинного обучения. В основе описываемого подхода лежит система StableRep. Это не просто очередной софт для генерации синтетических картинок. StableRep использует самые популярные в последнее время модели вроде Stable Diffusion, которые создают изображения на основе текста. Приглашаем узнать больше об этом проекте!

https://habr.com/ru/companies/bothub/articles/776130/

#ии #ии_и_машинное_обучение #машинное_обучение #stable_diffusion #imagetotext

Обучение ИИ на синтетических данных: исследователи из MIT меняют правила игры

Как известно, данные - это новая почва в мире AI. И товарищи-исследователи из MIT CSAIL нашли оригинальный способ вырастить на этой плодородной земле нечто большее, чем просто пиксели. В своем новом исследовании , они использовали синтетические изображения для обучения моделей машинного зрения и значительно превзошли результаты традиционных подходов с "реальными" картинками. Такое обучение оказалось более эффективным и свободным от предубеждений машинного обучения. В основе описываемого подхода лежит система StableRep. Это не просто очередной софт для генерации синтетических картинок. StableRep использует самые популярные в последнее время модели вроде Stable Diffusion, которые создают изображения на основе текста. Приглашаем узнать больше об этом проекте!

https://habr.com/ru/companies/bothub/articles/776130/

#ии #ии_и_машинное_обучение #машинное_обучение #stable_diffusion #imagetotext

"Detect text from picture" in the "Edit media" dialog of the Mastodon PWA is not a bad way to extract code from screenshots. It has some predicable issues such as mistaking digit 1 for letter l and 0 for @, but not too bad for short code segments.

Recommend 8/10

#mastodon #pwa #imageToText #image #text

"Detect text from picture" in the "Edit media" dialog of the Mastodon PWA is not a bad way to extract code from screenshots. It has some predicable issues such as mistaking digit 1 for letter l and 0 for @, but not too bad for short code segments.

Recommend 8/10

#mastodon #pwa #imageToText #image #text

"Detect text from picture" in the "Edit media" dialog of the Mastodon PWA is not a bad way to extract code from screenshots. It has some predicable issues such as mistaking digit 1 for letter l and 0 for @, but not too bad for short code segments.

Recommend 8/10

#mastodon #pwa #imageToText #image #text

"Detect text from picture" in the "Edit media" dialog of the Mastodon PWA is not a bad way to extract code from screenshots. It has some predicable issues such as mistaking digit 1 for letter l and 0 for @, but not too bad for short code segments.

Recommend 8/10

#mastodon #pwa #imageToText #image #text

"Detect text from picture" in the "Edit media" dialog of the Mastodon PWA is not a bad way to extract code from screenshots. It has some predicable issues such as mistaking digit 1 for letter l and 0 for @, but not too bad for short code segments.

Recommend 8/10

#mastodon #pwa #imageToText #image #text

The trade-free app of the day:

Normcap

https://www.tromjaro.com/normcap/

OCR-powered screenshot tool to capture text instead of images.

The trade-free app of the day:

Normcap

https://www.tromjaro.com/normcap/

OCR-powered screenshot tool to capture text instead of images.

The trade-free app of the day:

Normcap

https://www.tromjaro.com/normcap/

OCR-powered screenshot tool to capture text instead of images.

Firefox's ability to extract and copy text from an image is rather impressive. Because of all the different fonts & typefaces used. This one presented a challenge.

#Firefox #AI #ImageToText

Firefox's ability to extract and copy text from an image is rather impressive. Because of all the different fonts & typefaces used. This one presented a challenge.

#Firefox #AI #ImageToText