IT之家 11 月 5 日消息，Google Research 展示了一種使用人工智能讀取手寫(xiě)內(nèi)容的新方法，名為 InkSight 的系統(tǒng)能夠直接從手寫(xiě)文字的圖片中提取出數(shù)字文本，無(wú)需任何中間設(shè)備。
傳統(tǒng)的手寫(xiě)文字識(shí)別技術(shù)主要依賴于光學(xué)字符識(shí)別 (OCR)，但這種方法在處理復(fù)雜背景、模糊不清或低光照條件下的手寫(xiě)文字時(shí)往往表現(xiàn)不佳。InkSight 則采用了不同的思路，通過(guò)模仿人類(lèi)學(xué)習(xí)閱讀的過(guò)程，即通過(guò)不斷地重寫(xiě)文本，來(lái)學(xué)習(xí)整個(gè)單詞的外觀和含義。這需要研究人員訓(xùn)練 AI 模型，使其能夠識(shí)別和模仿人類(lèi)的手寫(xiě)風(fēng)格。
InkSight 在處理復(fù)雜場(chǎng)景時(shí)表現(xiàn)更為出色，例如當(dāng)照片光線昏暗、文本部分遮擋或背景干擾時(shí)，InkSight 能夠更準(zhǔn)確地識(shí)別手寫(xiě)文字。研究人員發(fā)現(xiàn)，人類(lèi)能夠閱讀 InkSight 生成的文本描摹的準(zhǔn)確率高達(dá) 87%，其中三分之二的描摹結(jié)果與真實(shí)手寫(xiě)幾乎無(wú)法區(qū)分。
對(duì)于喜歡手寫(xiě)的人來(lái)說(shuō)，InkSight 具有巨大的潛力。想象一下，只需將手寫(xiě)筆記拍攝照片，即可立即將其轉(zhuǎn)換為可搜索的數(shù)字文本。對(duì)于那些字跡潦草的人來(lái)說(shuō)，InkSight 可以將難以辨認(rèn)的手寫(xiě)內(nèi)容轉(zhuǎn)化為清晰、準(zhǔn)確的打印文本。
從更廣闊的視角來(lái)看，這項(xiàng)技術(shù)對(duì)于破譯和和將幾個(gè)世紀(jì)以來(lái)的手寫(xiě)文本轉(zhuǎn)換為數(shù)字形式具有重要意義。即使對(duì)于那些數(shù)字化程度較低的語(yǔ)言，InkSight 也能幫助保護(hù)手寫(xiě)遺產(chǎn)，并為這些語(yǔ)言的數(shù)字化訓(xùn)練提供更多資源。
IT之家注意到，谷歌并不是唯一一家致力于開(kāi)發(fā)手寫(xiě)識(shí)別 AI 工具的公司。亞馬遜的 Kindle Scribe 電子閱讀器也具備將手寫(xiě)筆記轉(zhuǎn)換為可讀文本的功能。此外，Goodnotes 等數(shù)字筆記應(yīng)用也推出了手寫(xiě)識(shí)別和編輯功能，可以將手寫(xiě)文字轉(zhuǎn)換為可編輯的數(shù)字文本。
