ThakiOCR-KO-v1
LoRA для корейского OCR одного слова
2 min read
Это LoRA-адаптер (rank 16, только decoder) для ATH-MaaS/OvisOCR3. Он переводит изображение одного вырезанного корейского слова в текст. Релиз — research preview: качество полной страницы и обобщение на новые условия отдельно не проверялись.
Ключевые особенности
- CER на внутреннем dev-наборе (2 400 кропов): 25,28% у базы и 7,78% у адаптера, −17,50 п.п.
- Обучены только слои языковой модели: 96 модулей, 6,39M параметров; vision tower и merger заморожены.
- Проверка структуры документов: exact table match 1,00 на 50 синтетических страницах, overall pass rate 60,2% на 849 пунктах.
- Вес адаптера — 25,6 MB, лицензия Apache 2.0; данные AI-Hub не входят в репозиторий и не перераспространяются.
- M2-вариант точнее по словам (CER 5,98%), но не прошёл gate по структуре таблиц, поэтому не включён.
Пример
import torch, transformers
from peft import PeftModel
model = transformers.AutoModelForImageTextToText.from_pretrained(BASE, revision=REV, dtype=torch.float32).to('cuda')
model = PeftModel.from_pretrained(model, 'ThakiCloud/ThakiOCR-KO-v1').eval()
# plain_ocr.txt, image first; greedy, max_new_tokens=64
out = model.generate(**inputs, max_new_tokens=64, do_sample=False)
print(processor.tokenizer.decode(out[0, inputs['input_ids'].shape[1]:], skip_special_tokens=True).strip())
Подробнее
База: ATH-MaaS/OvisOCR3 @ 4833d5d2; adapter 25,6 MB, Apache 2.0.Замер на B200: median 0,210 с, p95 0,360 с, peak 7,02 GiB (база — 4,95 GiB).
Ограничения: только одиночные кропы слов; полная страница, новые шрифты/авторы и OOD не проверялись.
M2 даёт CER 5,98%, но exact table match 0,80 — поэтому не включён.










Comments