/ Модель

Характеристики

Лицензия
CC BY-NC-SA 4.0
Библиотека
transformers
Опубликована
15 окт 2026

trocr-vedic-cross-notation-rv-ms

Описание изображенийИзображение → текст

Набор дообученных TrOCR-моделей распознаёт строки санскрита с ведическими акцентами и выводит их в романизации ISO 15919.

0скачиваний за 30 дней0лайковвеса обновлены15 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это набор из 15 моделей OCR, разработанный yzk для эксперимента по переносу между системами ведических акцентных обозначений. Каждая модель построена на TrOCR Large для печатного санскрита с предварительной адаптацией к ISO 15919 и полностью дообучена на параллельных текстах в обозначениях Ригведы (RV) и Maitrāyaṇī Saṃhitā (MS). Модели различаются соотношением примеров двух обозначений и случайным seed; распознанные строки выводятся в акцентированной романизации ISO 15919.

Модель предназначена для распознавания синтетических изображений строк санскритского текста и изучения того, как смешение обозначений при обучении влияет на точность OCR. В тестах на 578 строках для каждого обозначения варианты с обучающими данными из обоих обозначений показывали низкий CER для RV и MS; модель, обученная только на RV, заметно хуже справлялась с MS. Лицензия — CC BY-NC-SA 4.0.

Обучение и тестирование проводились на синтетических изображениях, созданных одним шрифтом Noto Sans Devanagari. Качество на реальных сканах печатных изданий не оценивалось. Разметка RV приближает оформление печатных изданий Ригведы и не включает номера гимнов; гравис MS представлен символом U+0952.

Сценарии применения

  • распознавание синтетических строк санскрита в обозначении Ригведы
  • распознавание синтетических строк санскрита в обозначении Maitrāyaṇī Saṃhitā
  • сравнение влияния пропорций RV и MS в обучающих данных на качество OCR
  • транслитерация распознанных ведических строк в ISO 15919

Ограничения

Обучение и тестирование выполнены на синтетических изображениях строк, отрисованных одним шрифтом Noto Sans Devanagari; качество на реальных сканах не оценивалось. Обозначение RV не включает номера гимнов, а гравис MS аппроксимирован символом U+0952.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

trocr-vedic-cross-notation-rv-ms

The 15 OCR models of the main experiment in Transfer Between Accent Notations in Vedic OCR: Learning Visual Conventions from Parallel Text (PACLIC 2026).

Each model is yzk/trocr-large-printed-sanskrit-iso-preadapt fine-tuned (all parameters) on yzk/veda-ocr-rv-ms-noto-v2, which renders the same accented texts in two Vedic accent notations: the Rigveda (RV) convention and the Maitrāyaṇī Saṃhitā (MS) convention. Models differ only in the share of training lines shown in the RV notation versus the MS notation, and in the random seed. The output is accented ISO 15919 romanization.

Layout

One subfolder per condition: rv_{R}_ms_{M}/seed_{S}/, with R / M ∈ {100/0, 75/25, 50/50, 25/75, 0/100} and S ∈ {42, 43, 44}. Each subfolder holds the model, processor, tokenizer and generation config. run/ next to it holds that run's test predictions (rv_predictions.csv, ms_predictions.csv), metrics (results.json) and the training subset (subset_manifest.json, parallel_keys.txt).

from transformers import TrOCRProcessor, VisionEncoderDecoderModel

repo, sub = "yzk/trocr-vedic-cross-notation-rv-ms", "rv_50_ms_50/seed_42"
processor = TrOCRProcessor.from_pretrained(repo, subfolder=sub)
model = VisionEncoderDecoderModel.from_pretrained(repo, subfolder=sub)

Training

10,420 parallel training lines per model; 20 epochs; effective batch size 32; learning rate 2e-5 (linear, warmup ratio 0.1); weight decay 0.01; fp16. The checkpoint is selected on validation CER of the dominant notation (mean of both notations at 50/50). Decoding: beam 4, max length 256, no-repeat n-gram 3, length penalty 2.0. Code: https://github.com/Yuzki/vedic-ocr-cross-notation

Results

Test-set means over the three seeds (578 lines per notation). See the paper for uncertainty and the per-seed values in each run/results.json.

RV / MS training shareRV CERMS CERRV accent F1MS accent F1
100 / 00.0370.2640.9540.060
75 / 250.0400.0410.9480.938
50 / 500.0410.0370.9340.941
25 / 750.0450.0360.9220.950
0 / 1000.2970.0360.0280.958

Limitations

Trained and tested on synthetic line images rendered in a single font (Noto Sans Devanagari). Performance on real scans of printed editions has not been evaluated in this release. The RV notation approximates printed RV editions and omits RV numerals; the MS grave accent is approximated with U+0952.

License

CC BY-NC-SA 4.0, inherited from the initialization; see the initialization's card for its training data and their licenses.

Citation

@inproceedings{TODO-paclic2026,
  title     = {Transfer Between Accent Notations in Vedic OCR: Learning Visual Conventions from Parallel Text},
  author    = {TODO},
  booktitle = {Proceedings of the 40th Pacific Asia Conference on Language, Information and Computation (PACLIC 2026)},
  year      = {2026}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
14b1cf2

0 моделей