ICDAR 2026 의 일환인 HIPE-OCRepair-2026 대회는 대규모 언어 모델이 역사적 문서의 OCR 오류를 수정하는 효과를 평가했습니다. 이 대회는 재디지털화 없이 레거시 OCR 문제를 해결하여 디지털화된 컬렉션의 검색과 접근성을 개선하는 데 중점을 두었습니다.
- 참가자들은 17세기부터 20세기까지의 영어, 프랑스어, 독일어 신문 및 인쇄물의 노이즈가 많은 전사본을 수정했습니다.
- 실제 사용 사례를 반영하기 위해 외교적 점수 매기기 대신 검색 지향적 점수 매기기 방식을 사용했습니다.
- 제로샷 프롬프팅부터 계속된 사전 학습 및 파인튜닝에 이르기까지 4개 팀이 시스템을 제출했습니다.
- 결과는 현대 LLM 보조 시스템이 OCR 품질을 크게 개선하지만 언어와 노이즈 수준에 따라 성능이 달라진다는 것을 보여줍니다.
- 저노이즈 입력에서의 과잉 수정이 반복적인 과제로 식별되었으며, 이는 문자 오류 감소를 넘어선 평가의 필요성을 강조합니다.
이 데이터셋, 스코어러, 및 평가 파이프라인은 이 분야의 향후 연구를 지원하기 위해 공개되었습니다.