現(xiàn)階段,手機(jī)掃描正越來越多地進(jìn)入到人們的生活中。隨著掃描應(yīng)用場(chǎng)景的不斷拓寬,諸多細(xì)節(jié)的問題逐漸顯露,比如使用者在拍照掃描文檔時(shí),手指不小心“入鏡”了,只能重拍;拍電腦屏幕時(shí),畫面上有一些彩色條紋,既不美觀也影響內(nèi)容識(shí)別;拍完照片后發(fā)現(xiàn)文檔很雜亂,掃描時(shí)需要手動(dòng)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(gè)濾鏡輕松解決了。

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(shù)及智能掃描引擎,可自動(dòng)檢測(cè)圖像中存在的問題并判定圖像的優(yōu)化方式,實(shí)現(xiàn)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(diǎn)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(tǒng)的手機(jī)掃描流程相比,掃描全能王“智能高清濾鏡”的亮點(diǎn)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(dòng)選擇出最優(yōu)處理方案,通過算法上的智能研判,達(dá)成多個(gè)問題一鍵解決的效果。

據(jù)合合信息掃描全能王事業(yè)部負(fù)責(zé)人曹超陽介紹,“智能高清濾鏡”的智能研判主要基于精準(zhǔn)的圖像感知,來達(dá)成場(chǎng)景化的決策效果。在圖像感知階段,AI通過深度學(xué)習(xí)模型進(jìn)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(duì)應(yīng)進(jìn)行圖像處理,例如去除手指產(chǎn)生的遮擋、感知到圖像是過暗還是過亮,然后針對(duì)性地調(diào)整圖像的亮度和對(duì)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(chǎng)景化決策即根據(jù)圖像感知的結(jié)果,判定圖像屬于何種場(chǎng)景,并進(jìn)行個(gè)性化的處理。例如,試卷、發(fā)票的圖像特點(diǎn)不盡相同,“智能高清濾鏡”能夠迅速判定文檔種類并進(jìn)行處理方法決策,在辦公文檔電子化、教育資料處理、商務(wù)資料留存等涉及文檔處理的場(chǎng)景中具有廣闊的應(yīng)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(xiàng)“黑科技”功能的實(shí)現(xiàn),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(shí)別、智能圖像處理技術(shù),對(duì)圖像處理、文字識(shí)別及版面還原進(jìn)行全面優(yōu)化,綜合提升掃描效果。

圖像處理對(duì)于文檔處理中所涉及的文字識(shí)別等后續(xù)流程非常關(guān)鍵,目前還存在著許多典型的痛點(diǎn),最常見的就是“圖像視覺矯正”?，F(xiàn)實(shí)生活中,書本等文檔并不總是平面的,AI在處理相關(guān)圖片時(shí)需要進(jìn)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(xiàn)透視扭曲。掃描全能王采用了基于深度學(xué)習(xí)的曲面檢測(cè)和矯正技術(shù)來進(jìn)行處理,能夠應(yīng)對(duì)各種復(fù)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(shí)別能力息息相關(guān)。全球化進(jìn)程的深化,讓多語種識(shí)別成為一項(xiàng)高頻需求,也為文字識(shí)別領(lǐng)域帶來了巨大的挑戰(zhàn)。多語種識(shí)別的困難點(diǎn)主要來源于不同語種之間的獨(dú)特字符集、書寫規(guī)則和語法結(jié)構(gòu)間的差異,以及復(fù)雜的文本形態(tài)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(tài)。對(duì)于這種語言,傳統(tǒng)的文字識(shí)別方法往往難以應(yīng)對(duì);其他小語種如泰語和印地語,其書寫系統(tǒng)相對(duì)復(fù)雜,有時(shí)一個(gè)字符可能會(huì)出現(xiàn)在另一個(gè)字符的上方或下方,是文字識(shí)別必須解決的問題。

為了克服這些挑戰(zhàn),掃描全能王在AI-Scan引擎的支持下,采用了一種結(jié)合深度學(xué)習(xí)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(guān)聯(lián)和順序問題。在服務(wù)全球億級(jí)別用戶的過程中,掃描全能王對(duì)大量的多語種文本進(jìn)行預(yù)訓(xùn)練,能夠?qū)θ?1個(gè)語種的文檔進(jìn)行識(shí)別,滿足了全球超過100個(gè)國家和地區(qū)用戶的辦公、生活需求。

“華盛頓郵報(bào)等媒體曾將掃描全能王稱作‘手掌掃描儀’,因?yàn)檫@款產(chǎn)品實(shí)現(xiàn)了在低資源、性能低的移動(dòng)設(shè)備下高準(zhǔn)確率、高效率、高穩(wěn)定性的識(shí)別體驗(yàn)?！鲂　⒆鲚p’是上一個(gè)階段的任務(wù),未來掃描會(huì)更多地與前沿技術(shù)的結(jié)合,進(jìn)入智能化的時(shí)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(xué)習(xí)等AI技術(shù)綜合運(yùn)用的APP之一。未來團(tuán)隊(duì)將持續(xù)保持對(duì)AI底層技術(shù)的關(guān)注,用科技為全球用戶提供有價(jià)值的文檔智能服務(wù)。