ICDAR 2026 का हिस्सा, HIPE-OCRepair-2026 प्रतियोगिता ने ऐतिहासिक दस्तावेज़ों में OCR त्रुटियों को ठीक करने में बड़े भाषा मॉडलों की प्रभावशीलता का मूल्यांकन किया। प्रतियोगिता ने पुनः डिजिटलीकरण के बिना पुराने OCR मुद्दों को संबोधित करके डिजिटल संग्रहों तक खोज और पहुंच में सुधार पर ध्यान केंद्रित किया।
- प्रतिभागियों ने 17वीं से 20वीं शताब्दी तक के अंग्रेजी, फ्रेंच और जर्मन अखबारों और मुद्रित कार्यों से शोर वाले ट्रांसक्रिप्ट को ठीक किया।
- मूल्यांकन ने व्यावहारिक उपयोग मामलों को प्रतिबिंबित करने के लिए कूटलेखन स्कोरिंग के बजाय पुनर्प्राप्ति-उन्मुख स्कोरिंग दृष्टिकोण का उपयोग किया।
- चार टीमों ने zero-shot prompting से continued pre-training और fine-tuning तक विविध प्रणालियाँ जमा कीं।
- परिणामों ने दिखाया कि आधुनिक LLM-सहायित प्रणालियाँ OCR गुणवत्ता में महत्वपूर्ण सुधार करती हैं, हालाँकि प्रदर्शन भाषाओं और शोर के स्तरों के बीच भिन्न होता है।
- कम-शोर इनपुट पर अति-सुधार को एक दोहराए जाने वाले चुनौती के रूप में पहचाना गया, जिसने वर्ण त्रुटि कमी के परे मूल्यांकन की आवश्यकता को उजागर किया।
डेटासेट, स्कोरर और मूल्यांकन पाइपलाइन इस क्षेत्र में भविष्य के शोध का समर्थन करने के लिए सार्वजनिक रूप से जारी किए गए हैं।