会员服务
KidsNanny: A Two-Stage Multimodal Content Moderation Pipeline Integrating Visual Classification, Object Detection, OCR, and Contextual Reasoning for Child Safety
Arxiv
0+阅读 · 3月17日
OCR-Agent: Agentic OCR with Capability and Memory Reflection
Arxiv
0+阅读 · 2月24日
AgenticOCR: Parsing Only What You Need for Efficient Retrieval-Augmented Generation
Arxiv
0+阅读 · 2月27日
GLM-OCR Technical Report
Arxiv
0+阅读 · 3月11日
Agentar-Fin-OCR
Arxiv
0+阅读 · 3月11日
Evaluating AI Grading on Real-World Handwritten College Mathematics: A Large-Scale Study Toward a Benchmark
Arxiv
0+阅读 · 3月1日
From OCR to Analysis: Tracking Correction Provenance in Digital Humanities Pipelines
Arxiv
0+阅读 · 3月1日
From OCR to Analysis: Tracking Correction Provenance in Digital Humanities Pipelines
Arxiv
0+阅读 · 3月6日
OmniOCR: Generalist OCR for Ethnic Minority Languages
Arxiv
0+阅读 · 2月24日
Harpocrates: A Statically Typed Privacy Conscious Programming Framework
Arxiv
0+阅读 · 2月19日
DODO: Discrete OCR Diffusion Models
Arxiv
0+阅读 · 2月18日
Optimizing Nepali PDF Extraction: A Comparative Study of Parser and OCR Technologies
Arxiv
0+阅读 · 2月18日
Designing Production-Scale OCR for India: Multilingual and Domain-Specific Systems
Arxiv
0+阅读 · 2月18日
Investigating Redundancy in Multimodal Large Language Models with Multiple Vision Encoders
Arxiv
0+阅读 · 2月13日
Error Patterns in Historical OCR: A Comparative Analysis of TrOCR and a Vision-Language Model
Arxiv
0+阅读 · 2月16日
参考链接
微信扫码咨询专知VIP会员
Top