引導式測驗 · 中等 等級

無 OCR 文件理解(甜甜圈)測驗

測試 Donut 的無 OCR 架構、研究的任務、基準測試範圍以及根據來源影像檢查產生的文件欄位的保障措施。

問題 1 的 8

是什麼讓 Donut 無需 OCR?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. 是什麼讓 Donut 無需 OCR?
    • 它避免閱讀文本,僅對頁面顏色進行分類
    • 它使用掃描器而不是文件圖像
    • 它需要 OCR 轉錄本作為模型的第一個輸入
    • 它將文檔圖像映射到任務輸出,無需先調用單獨的 OCR 引擎
  2. 根據其文檔,Donut 使用哪種架構?
    • 視覺編碼器和解碼器也接收單獨的 OCR 轉錄本
    • 視覺編碼器與自回歸文字解碼器
    • 讀取外部 OCR 引擎發出的標記的文字編碼器-解碼器
    • 視覺特徵提取器,後面跟著 OCR 引擎和字段分類器
  3. Donut 論文將哪個問題確定為無 OCR 處理的動機?
    • 避免需要定義特定於任務的輸出格式
    • 透過刪除每個解碼器階段來減少文件處理延遲
    • 來自單獨 OCR 階段的錯誤傳播到文件理解中
    • 無需訓練或評估即可推廣到每種語言
  4. Donut 原始論文中的基準結果建立了什麼?
    • 評估模型、任務、資料集和測試設定的效能
    • 每種文檔類型和語言的準確性
    • 每個微調的檢查點都執行相同的操作
    • 適合任何組織形式的部署準備
  5. 為什麼要驗證從文件影像生成的結構化欄位?
    • 解碼器無法產生不支援的文本
    • 該模型可能會省略、混淆或產生頁面不支援的合理值
    • 無 OCR 架構證明每個欄位都是可見的
    • 有效的 JSON 模式證明值是正確的
  6. 為什麼無 OCR 輸出比 OCR 加模型管道更難調試?
    • 它不處理視覺像素
    • 無法針對文檔任務進行訓練
    • 它總是將 OCR 錯誤分離到自己的輸出檔中
    • 它可能不會提供單獨的 OCR 轉錄本來顯示文字辨識失敗的位置
  7. 哪一種評估設計最能支持公平比較和收據使用決策?
    • 在保留的代表性收據上進行測試並使用 OCR 加模型基線
    • 評估代表性收據上的 Donut 並檢查字段級準確性
    • 比較用於訓練的相同收據圖像上的 Donut 和基線
    • 使用公共基準測試的結果和不相關的文件作為部署證據
  8. 在這種情況下,無 OCR 不代表什麼?
    • 模型直接處理影像
    • 可以根據文件任務對其進行評估
    • 文檔輸出沒有錯誤或不需要驗證
    • 架構中不需要單獨的 OCR 引擎