現階段,手機掃描正越來越多地進入到人們的生活中。隨著掃描應用場景的不斷拓寬,諸多細節的問題逐漸顯露,比如使用者在拍照掃描文檔時,手指不小心“入鏡”了,只能重拍;拍電腦屏幕時,畫面上有一些彩色條紋,既不美觀也影響內容識別;拍完照片后發現文檔很雜亂,掃描時需要手動疊加好幾種圖片處理方案,才能獲得理想的效果……這些“糟心事”,如今被一個濾鏡輕松解決了。
(資料圖)
近期,合合信息旗下掃描全能王“智能高清濾鏡”正式上線。該功能基于AI技術及智能掃描引擎,可自動檢測圖像中存在的問題并判定圖像的優化方式,實現模糊、陰影、手指、屏幕紋等干擾因素一鍵全處理。使用者無需思考拍攝角度、光源、背景,只要點擊單拍、多拍、掃描等任意拍攝按鈕,便可得到一張如原稿打印般清晰、平整的圖片。
掃描“一鍵到位”的背后,AI在幫人“思考”圖像問題
與傳統的手機掃描流程相比,掃描全能王“智能高清濾鏡”的亮點之一,便是讓AI代替人去“思考”圖片中需要解決的問題,并為用戶自動選擇出最優處理方案,通過算法上的智能研判,達成多個問題一鍵解決的效果。
據合合信息掃描全能王事業部負責人曹超陽介紹,“智能高清濾鏡”的智能研判主要基于精準的圖像感知,來達成場景化的決策效果。在圖像感知階段,AI通過深度學習模型進行圖像特征獲取,感知到圖像中的光照、陰影、顏色和傾斜角度等特征并對應進行圖像處理,例如去除手指產生的遮擋、感知到圖像是過暗還是過亮,然后針對性地調整圖像的亮度和對比度等。
掃描全能王“智能高清濾鏡”的去摩爾紋處理效果展示
場景化決策即根據圖像感知的結果,判定圖像屬于何種場景,并進行個性化的處理。例如,試卷、發票的圖像特點不盡相同,“智能高清濾鏡”能夠迅速判定文檔種類并進行處理方法決策,在辦公文檔電子化、教育資料處理、商務資料留存等涉及文檔處理的場景中具有廣闊的應用前景。
智能掃描引擎,讓AI讀懂圖像與文字
“智能高清濾鏡”多項“黑科技”功能的實現,離不開智能掃描引擎AI-Scan(簡稱“AI-Scan引擎”)的支持。AI-Scan引擎基于合合信息智能文字識別、智能圖像處理技術,對圖像處理、文字識別及版面還原進行全面優化,綜合提升掃描效果。
圖像處理對于文檔處理中所涉及的文字識別等后續流程非常關鍵,目前還存在著許多典型的痛點,最常見的就是“圖像視覺矯正”。現實生活中,書本等文檔并不總是平面的,AI在處理相關圖片時需要進行“矯正”。此外,由于拍攝角度和鏡頭畸變的問題,即使是平面的文檔,拍攝后也可能出現透視扭曲。掃描全能王采用了基于深度學習的曲面檢測和矯正技術來進行處理,能夠應對各種復雜的曲面文檔。
掃描全能王“智能高清濾鏡”書本曲面矯正處理效果展示
掃描全能王“智能高清濾鏡”手指、陰影疊加處理效果展示
完成圖像處理之后,如何從圖片中正確提取所需信息,與文字識別能力息息相關。全球化進程的深化,讓多語種識別成為一項高頻需求,也為文字識別領域帶來了巨大的挑戰。多語種識別的困難點主要來源于不同語種之間的獨特字符集、書寫規則和語法結構間的差異,以及復雜的文本形態和排版方式的影響。
例如,阿拉伯語的書寫方向是從右到左,而且同一字母在單詞的不同位置有著不同的形態。對于這種語言,傳統的文字識別方法往往難以應對;其他小語種如泰語和印地語,其書寫系統相對復雜,有時一個字符可能會出現在另一個字符的上方或下方,是文字識別必須解決的問題。
為了克服這些挑戰,掃描全能王在AI-Scan引擎的支持下,采用了一種結合深度學習和自然語言處理的全新方法,能夠有效地處理不同語種的字符關聯和順序問題。在服務全球億級別用戶的過程中,掃描全能王對大量的多語種文本進行預訓練,能夠對全球41個語種的文檔進行識別,滿足了全球超過100個國家和地區用戶的辦公、生活需求。
“華盛頓郵報等媒體曾將掃描全能王稱作‘手掌掃描儀’,因為這款產品實現了在低資源、性能低的移動設備下高準確率、高效率、高穩定性的識別體驗?！鲂 ⒆鲚p’是上一個階段的任務,未來掃描會更多地與前沿技術的結合,進入智能化的時代?！辈艹柋硎?在過去的十年里,掃描全能王是最早將圖像處理、OCR、深度學習等AI技術綜合運用的APP之一。未來團隊將持續保持對AI底層技術的關注,用科技為全球用戶提供有價值的文檔智能服務。
