NVIDIA rilascia il modello multilingue Nemotron OCR v2 addestrato su 12 milioni di immagini sintetiche

NVIDIA ha introdotto Nemotron OCR v2, un avanzato modello multilingue di riconoscimento ottico dei caratteri in grado di elaborare 34,7 pagine al secondo utilizzando una singola GPU A100. Questo modello supporta sei lingue: inglese, giapponese, coreano, russo, cinese e una lingua non specificata. È stato addestrato su un dataset composto da 12 milioni di immagini sintetiche derivate dal corpus web multilingue mOSCAR. Dotato di un'architettura di rilevamento condivisa (RegNetX-8GF), migliora i punteggi di Normalized Edit Distance per le lingue non inglesi da 0,56–0,92 a 0,035–0,069. Il supporto dei caratteri è aumentato da 855 a 14.244, includendo ora i caratteri CJK e cirillici. Il dataset è disponibile su nvidia/OCR-Synthetic-Multilingual-v1, mentre il modello si trova su nvidia/nemotron-ocr-v2. I principali contributori includono Bo Liu, Théo Viel e Mike Ranzinger.