视觉大模型 / VLM

AtlasOCR: Building the First Open-Source Darija OCR Model with Vision Language Models

AtlasOCR: 构建首个开源的达里亚OCR模型：基于视觉语言模型

Imane Momayiz, Soufiane Ait Elaouad, Abdeljalil Elmajjodi, Haitame Bouanane

专题命中 文档图表理解 ：vision language model(title,abstract)；VLM(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出AtlasOCR，首个开源达里亚OCR模型，通过微调3B参数视觉语言模型实现，结合合成数据与真实数据构建专用数据集，采用QLoRA和Unsloth高效训练，验证其在达里亚和标准阿拉伯语OCR任务中的先进性能。