エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
GPT-4oの画像認識はどの程度の画質まで日本語OCRが可能か調べてみる
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
GPT-4oの画像認識はどの程度の画質まで日本語OCRが可能か調べてみる
執筆日 2024/08/06 ちょっと追記: 2024/08/13 概要 社内の案件でGPT-4oで画像認識をさせたときに案件に... 執筆日 2024/08/06 ちょっと追記: 2024/08/13 概要 社内の案件でGPT-4oで画像認識をさせたときに案件によって「OCRの精度がめちゃくちゃいい」という報告と「全然OCR上手くいかないじゃん」という報告があったため、画質によってどの程度精度に差が出るか調べてみました。 特に画数の多い漢字は、画質が低いとすぐにつぶれてしまいます。人間は文脈による推論でその漢字を予測することができますが、AIにとってはどうでしょうか。従来のCVによるOCRはつぶれた文字は確率が高い文字を出力するだけですが、VLMによるOCRはその言語処理能力によってある程度文脈に沿った文字抽出が期待できそうな気がします。またプロンプトで「誤字も読み取れるそのままを抽出してください」と言ってみたり、「読みづらい文字は文脈上正しい単語で抽出してください」と言ってみたりすることでも回答が変わるかもしれません。