L'ensemble de données CC-OCR a été développé conjointement par Alibaba Group, l'Université des sciences et technologies de Huazhong et l'Université de technologie de Chine du Sud en 2024 pour fournir une référence complète et stimulante pour évaluer les performances de grands modèles multimodaux dans les tâches de reconnaissance de texte (OCR).CC-OCR : une référence OCR complète et exigeante pour l'évaluation de grands modèles multimodaux en alphabétisation". L'ensemble de données couvre quatre tâches principales : la lecture de texte multi-scènes, la lecture de texte multilingue, l'analyse de documents et l'extraction d'informations clés, et contient 39 sous-ensembles et 7 058 images entièrement annotées. Le lancement de CC-OCR comble le vide dans l’évaluation des modèles multimodaux actuels dans les structures complexes et les défis visuels à granularité fine, et est d’une grande importance pour promouvoir les progrès des modèles multimodaux dans les applications pratiques.

Citation

@misc{yang2024ccocr,
title={CC-OCR: A Comprehensive and Challenging OCR Benchmark for Evaluating Large Multimodal Models in Literacy},
author={Zhibo Yang and Jun Tang and Zhaohai Li and Pengfei Wang and Jianqiang Wan and Humen Zhong and Xuejing Liu and Mingkun Yang and Peng Wang and Shuai Bai and LianWen Jin and Junyang Lin},
year={2024},
eprint={2412.02210},
archivePrefix={arXiv},
primaryClass={cs.CV},
url={https://arxiv.org/abs/2412.02210},
}