Ki-OCR 评测结果提交 #263

OmniDocBench 团队您好！

感谢贵团队开源并持续维护 OmniDocBench，为文档理解研究提供高质量的评测基准。我们希望提交 Ki-OCR 的评测结果，供贵团队复测与收录。

Ki-OCR 是一种基于 frozen TeleOCR-1.2B 的 training-free inference-time adaptation 方法。Ki-OCR 不修改 TeleOCR 的模型架构和模型权重，而是根据输入文档的视觉尺度，自适应调整整页及检测到的 layout region 的输入尺度，使不同区域以更适合 TeleOCR 识别的尺度进行解析，并且提高视觉预算的使用效率。

Ki-OCR 包含两个互补模块：

• Source-aware Rendering：使整页渲染尺度与源文档分辨率相协调，减少冗余视觉计算。
• Region-adaptive Scaling：根据文本和表格区域的视觉特征，在模型的视觉与上下文预算内自适应选择适合的输入尺度。

选定的输入沿用 TeleOCR 原生的版面分析、内容识别与 Markdown 生成流程。

评测结果

数据集：OmniDocBench v1.6_full，共 1,651 页。

• Overall ↑：98.40951
• Text Edit Distance ↓：0.02542364
• Formula CDM ↑：98.94488
• Table TEDS ↑：98.82602
• Table TEDS-S ↑：99.35003
• Reading Order Edit Distance ↓：0.11870026

Overall、CDM、TEDS 与 TEDS-S 使用百分数，编辑距离使用比例值。

统计来看，相比于 TeleOCR，Ki-OCR 的平均每页内容识别视觉 token 从 4268.23 降至 2055.27，减少 51.85%。

评测设置与材料

本次评测覆盖 OmniDocBench v1.6_full 的全部 1,651 页，采用官方 scorer 的 f133a71e9e91c3621c7ce8994200a7b394a06eb3 版本及配套 quick_match 配置。

代码及复现说明：
https://github.com/yushuosun/Ki-OCR

1,651 页预测结果：
Ki-OCR_OmniDocBench_v1.6_predictions.zip

评测配置及结果：
Ki-OCR_EVALUATION_CONFIG_AND_RESULTS_R6.zip

如评测或复现过程中遇到任何问题，我们会及时配合。

非常感谢！