评测GPT-4V(ision)在各种OCR相关任务上的性能。
场景文字识别（Scene Text Recognition，STR）旨在识别自然场景图片中的文字信息。
手写文本识别（Handwritten Text Recognition，HTR）旨在识别手写体文字。
手写数学公式识别（Handwritten Mathematical Expression Recognition，HMER）旨在识别手写数学公式。例如，给定一张手写公式图像，HMER算法将会把图像转换为latex格式。
了解更多关于视觉信息抽取的信息，请参考Document-AI-Recommendations.
视觉信息抽取（Visual Information Extraction, VIE）旨在挖掘、分析和提取视觉富文档中包含的关键信息字段。例如，给定一张收据的图像，VIE算法将告诉诸如商店名称、产品详情、价格等信息。对于表格等文档，VIE算法将抽取出其包含的键值对。