arXiv · cs.AI · Camilo Mari{\~n}o (UDELAR, CB), Diego Belzarena (UDELAR, CB), Marina Gardella (CB), Ignacio Ram{\'i}rez (UDELAR), Gregory Randall (UDELAR), Jean-Michel Morel (LU - Hong Kong) · 10 小时前模型评分34
研究提出实体感知评测方法，比较OCR系统对历史文档中实体信息的保留能力
Entity-Aware Evaluation of OCR Systems for Historical Document Transcription
导读
一项研究用Berrutti Archive的175份文档和5,209条人工标注实体提及，比较序列识别OCR系统、OCR专用视觉语言模型与通用视觉语言模型在实体保留上的表现。结果显示OCR系统排名随评测标准变化：Qwen 3.6在所有测试容差下实体覆盖率最高，而部分精确匹配覆盖率较低的系统在容忍小误差后恢复明显。这说明仅靠整体转写指标无法完整刻画OCR质量，还需评估错误对关键信息保留的影响。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “In this work, we investigate entitylevel analysis of OCR errors as a complementary perspective for evaluating OCR quality in historical documents.”
- “augmented with 5,209 manually annotated entity mentions that will be released upon acceptance”
来源：arXiv · cs.AI · arxiv.org