合合信息扫描全能王发布“黑科技”,让AI替人“思考”图像处理问题
现阶段,手机扫描正越来越多地进入到人们的生活中。随着扫描应用场景的不断拓宽,诸多细节的问题逐渐显露,比如使用者在拍照扫描文档时,手指不小心“入镜”了,只能重拍;拍电脑屏幕时,画面上有一些彩色条纹,既不美观也影响内容识别;拍完照片后发现文档很杂乱,扫描时需要手动叠加好几种图片处理方案,才能获得理想的效果……这些“糟心事”,如今被一个滤镜轻松解决了。
近期,合合信息旗下扫描全能王“智能高清滤镜”正式上线。该功能基于AI技术及智能扫描引擎,可自动检测图像中存在的问题并判定图像的优化方式,实现模糊、阴影、手指、屏幕纹等干扰因素一键全处理。使用者无需思考拍摄角度、光源、背景,只要点击单拍、多拍、扫描等任意拍摄按钮,便可得到一张如原稿打印般清晰、平整的图片。
扫描“一键到位”的背后,AI在帮人“思考”图像问题
与传统的手机扫描流程相比,扫描全能王“智能高清滤镜”的亮点之一,便是让AI代替人去“思考”图片中需要解决的问题,并为用户自动选择出最优处理方案,通过算法上的智能研判,达成多个问题一键解决的效果。
据合合信息扫描全能王事业部负责人曹超阳介绍,“智能高清滤镜”的智能研判主要基于精准的图像感知,来达成场景化的决策效果。在图像感知阶段,AI通过深度学习模型进行图像特征获取,感知到图像中的光照、阴影、颜色和倾斜角度等特征并对应进行图像处理,例如去除手指产生的遮挡、感知到图像是过暗还是过亮,然后针对性地调整图像的亮度和对比度等。
扫描全能王“智能高清滤镜”的去摩尔纹处理效果展示
场景化决策即根据图像感知的结果,判定图像属于何种场景,并进行个性化的处理。例如,试卷、发票的图像特点不尽相同,“智能高清滤镜”能够迅速判定文档种类并进行处理方法决策,在办公文档电子化、教育资料处理、商务资料留存等涉及文档处理的场景中具有广阔的应用前景。
智能扫描引擎,让AI读懂图像与文字
“智能高清滤镜”多项“黑科技”功能的实现,离不开智能扫描引擎AI-Scan(简称“AI-Scan引擎”)的支持。AI-Scan引擎基于合合信息智能文字识别、智能图像处理技术,对图像处理、文字识别及版面还原进行全面优化,综合提升扫描效果。
图像处理对于文档处理中所涉及的文字识别等后续流程非常关键,目前还存在着许多典型的痛点,最常见的就是“图像视觉矫正”。现实生活中,书本等文档并不总是平面的,AI在处理相关图片时需要进行“矫正”。此外,由于拍摄角度和镜头畸变的问题,即使是平面的文档,拍摄后也可能出现透视扭曲。扫描全能王采用了基于深度学习的曲面检测和矫正技术来进行处理,能够应对各种复杂的曲面文档。
扫描全能王“智能高清滤镜”书本曲面矫正处理效果展示
场景化决策即根据图像感知的结果,判定图像属于何种场景,并进行个性化的处理。例如,试卷、发票的图像特征不尽相同,“智能高清滤镜”能够迅速判定文档种类并进行处理方法决策,在办公文档电子化、教育资料处理、商务资料留存等涉及文档处理的场景中具有广阔的应用前景。
扫描全能王“智能高清滤镜”手指、阴影叠加处理效果展示
完成图像处理之后,如何从图片中正确提取所需信息,与文字识别能力息息相关。全球化进程的深化,让多语种识别成为一项高频需求,也为文字识别领域带来了巨大的挑战。多语种识别的困难点主要来源于不同语种之间的独特字符集、书写规则和语法结构间的差异,以及复杂的文本形态和排版方式的影响。
例如,阿拉伯语的书写方向是从右到左,而且同一字母在单词的不同位置有着不同的形态。对于这种语言,传统的文字识别方法往往难以应对;其他小语种如泰语和印地语,其书写系统相对复杂,有时一个字符可能会出现在另一个字符的上方或下方,是文字识别必须解决的问题。
为了克服这些挑战,扫描全能王在AI-Scan引擎的支持下,采用了一种结合深度学习和自然语言处理的全新方法,能够有效地处理不同语种的字符关联和顺序问题。在服务全球亿级别用户的过程中,扫描全能王对大量的多语种文本进行预训练,能够对全球41个语种的文档进行识别,满足了全球超过100个国家和地区用户的办公、生活需求。
“华盛顿邮报等媒体曾将扫描全能王称作‘手掌扫描仪’,因为这款产品实现了在低资源、性能低的移动设备下高准确率、高效率、高稳定性的识别体验。‘做小、做轻’是上一个阶段的任务,未来扫描会更多地与前沿技术的结合,进入智能化的时代。”曹超阳表示,在过去的十年里,扫描全能王是最早将图像处理、OCR、深度学习等AI技术综合运用的APP之一。未来团队将持续保持对AI底层技术的关注,用科技为全球用户提供有价值的文档智能服务。