בניית מודל OCR רב-לשוני מהיר בעזרת נתונים סינתטיים

חוקרים משלבים טכניקות של למידה עמוקה (Deep Learning) ונתונים סינתטיים כדי לפרוץ את המחסום ההיסטורי של זיהוי תווים אופטי (OCR) בשפות שאינן אנגלית. בעוד שמודלים מסורתיים הסתמכו על אוספי נתונים מסומנים ידנית, יקרים ומוגבלים, הגישה החדשה מייצרת כמויות עצומות של טקסט מדומה במגוון שפות, סקריפטים ופונטים – כולל עברית וערבית – כדי לאמן רשתות נוירונים בצורה יעילה ומהירה יותר. מקור: Hugging Face

השימוש בנתונים סינתטיים פותר שתי בעיות מרכזיות: מחסור בנתונים איכותיים והצורך בהסתגלות מהירה. על ידי יצירת תמונות טקסט 'מלאכותיות' עם וריאציות בגופנים, רזולוציות, זוויות ותנאי תאורה, החוקרים יכולים לאמן מודל בסיסי אחד שיתפקד היטב במגוון רחב של שפות, ללא הצורך באיסוף ידני מייגע לכל שפה בנפרד. טכניקה זו, המכונה Domain Randomization, מקנה למודל חוסן ויכולת הכללה חסרות תקדים.

ההשלכות המעשיות הן רחבות היקף. מודל OCR רב-לשוני, מהיר ומדויק יכול לשנות את פני הדיגיטציה של מסמכים היסטוריים, לייעל תהליכים ביורוקרטיים במדינות רב-לשוניות, ולאפשר נגישות טובה יותר למידע באינטרנט. עבור השוק הישראלי והאזורי, פיתוח כזה יכול להאיץ את דיגיטציית הארכיונים, לשפר את זיהוי הטקסט בתמונות ממדיה חברתית ולשבור מחסומי שפה בשירותים ציבוריים ודיגיטליים.

למרות ההבטחה, האתגר נותר בשמירה על דיוק גבוה בטקסטים מורכבים, בכתב יד או במסמכים באיכות ירודה. עם זאת, התקדמות זו מצביעה על עתיד שבו המרת תמונה לטקסט תהיה מיידית, אוניברסלית ונגישה, ותקדם את השימור וההפצה של ידע בשפות רבות. מקור: MIT Tech Review