論文PDFを数式込みで全文読み取るモデル 米Metaが「Nougat」開発 スキャンした古書の画像もOK

このコーナーでは、2014年から先端テクノロジーの研究を論文単位で記事にしているWebメディア「Seamless」（シームレス）を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 Twitter: ＠shiropen2 米Meta AIに所属する研究者らが発表した論文「Nougat: Neural Optical Understanding for Academic Documents」は、論文を記録したPDF内のテキストや数式を正確に読み取るモデルを提案した研究報告である。研究論文を機械が読めるテキストに変換することで、知識全体がより探しやすく、多くの人々がアクセスできるようになる。モデルのコードなどは全て公開されている。

[deep_one]

「PDFを簡単なマークアップ言語に変換できる訓練済みのモデル」どのマークアップだろう？サイトを見るにひょっとしてTeXか？（まぁそこは研究としては要点じゃないのか。エンドユーザー製品じゃないしな。）

[Seamless]

OCR(光学式文字認識)の欠点だった分数や指数,行列等の数式の読み込みを可能にした変換器。PDFや古書をマークアップ言語に変換。研究検索がより広がり科学の進歩に貢献。