2026年7月6日 00:25
BaiduのOCRが数十ページを一括処理
Baidu's "Unlimited OCR" processes dozens of document pages in one pass by treating memory like human forgetting
3行まとめ
- •数十ページを1回のパスで一括OCR処理
- •人間の忘却を模倣した新アテンション機構
- •主要OCRベンチマークでトップ成績を達成
詳細
背景
従来のOCRシステムは一度に処理できるドキュメントのページ数が約10ページ程度に限られており、大量のドキュメントを扱う業務では複数回に分けて処理する必要があった。この制約はページ数に応じてメモリ使用量が増大するアテンション機構の特性によるものだった。
技術
BaiduのOCRシステム「Unlimited OCR」は、人間の記憶における忘却メカニズムを模倣した改良型アテンションメカニズムを採用している。このアプローチにより、処理ページ数によらずメモリ使用量を一定に保つことが可能となり、数十ページのドキュメントを1回のパスで処理できる。現在、最も重要とされるOCRベンチマークでトップの成績を記録している。
応用
大量書類を扱う業務（契約書管理・請求書処理・医療記録のデジタル化など）では、ドキュメント処理の効率化が課題となっている。Unlimited OCRのアプローチはこうした分野での大量ドキュメント一括処理を技術的に実現する。商用サービスとしての展開時期や料金については未発表である。
なぜ重要か
大量書類の一括OCR処理を実現する新技術。メモリ使用量を固定化した設計により、数十ページを1回のパスで処理しベンチマーク首位を達成した。
元記事を読む — The Decoder