DeepSeek-OCR 登場！コンテキスト光学圧縮で画像からテキストを効率的に

[名無しさん]

GitHubでDeepSeek-AIが公開した「DeepSeek-OCR」という光学圧縮技術の話題です。画像内のテキストを効率的に認識・圧縮する手法とのこと。まだコメントは少ないですが、ローカルLLMコミュニティで注目されています。

[名無しさん]

光学圧縮ってつまり、画像を軽くしてからOCRするってこと？

[名無しさん]

たぶんそう。でもコンテキストを保持したまま圧縮するのがミソらしい。

[名無しさん]

DeepSeekは最近色々出してくるね。コーディング用のモデルとかも。

[名無しさん]

でもAPI使いにくいって噂もある。ローカルで動かす方が安心。

[名無しさん]

これを使えばRAGの前処理が捗るかな？

[名無しさん]

PDFからテキスト抽出するのに使えそう。ただし精度次第。

[名無しさん]

今までのOCRと比べてどうなん？ tesseractよりマシ？

[名無しさん]

中国のモデルってやっぱりデータが気になる。

[名無しさん]

それはそう。でもオープンなら自分で検証できる。

[名無しさん]

ライセンスは確認した？商用利用OKなのかな。

[名無しさん]

MITだったはず。たぶん大丈夫。

[名無しさん]

実際にインストールしてみた人いる？

[名無しさん]

まだ。依存関係が面倒そう。

[名無しさん]

Dockerイメージあると嬉しい。

[名無しさん]

ベンチマーク結果が知りたい。どれくらい圧縮できるの？

[名無しさん]

READMEに書いてあるらしいけど、まだ見てない。

[名無しさん]

ちょっと見てくるわ。

[名無しさん]

OCRって言っても画像全体を圧縮するのか？テキスト領域だけ？

[名無しさん]

「コンテキスト光学圧縮」だから、テキストの文脈を保ったまま圧縮するらしいよ。

[名無しさん]

ふーん、特殊なモデルなんだね。

[名無しさん]

とりあえず試してみたいけどGPUメモリが……

[名無しさん]

8GBでも動くって話。

[名無しさん]

ならやってみるか。後でレポする。

[投稿者]

投稿