数十ページのPDFを1回で処理、ローカルOCRモデル「Unlimited OCR」をバイドゥが無料公開。商用利用もできる（生成AIクローズアップ） | テクノエッジ TechnoEdge
この記事で分かること
数十ページのPDFを1回で処理できるローカルOCRモデル「Unlimited OCR」が百度から無料公開され、商用利用も可能である。ローカルで動作するため、外部送信のリスクなく大量のPDFをOCR処理できる点が実用的なメリットである。
詳細要約
数十ページのPDFを一括処理できるOCRモデルが無料公開され、商用利用も可能。Baiduが開発した「Unlimited OCR」は、LLMをデコーダーに採用し認識精度を高める一方、長文処理で生じるメモリ消費増加と速度低下を解決するため、人間の書き写し作業のワーキングメモリを模倣した「Reference Sliding Window Attention」（R-SWA）というアテンション機構を導入した点が特徴。