一般的なOCRカレンダー変換ツールが実際のイベントチラシやスマートフォンのスクリーンショットで失敗する理由は、画像を単純なフラットテキストとして扱い、先頭行(lines[0])を盲目的にイベント名と判定してしまうためです。スマートフォンの画面キャプチャや告知ポスターの最上行は、ステータスバー情報(9:41 AM 5G)、チケットサービスの透かし(TICKETMASTER)、または主催者クレジット(LIVE NATION PRESENTS)であることが大半です。
Utiliomeの3段階ローカルAIパイプラインは、チラシの視覚的ヒエラルキーと意味的なエンティティの双方を正確に解釈します。
- Tesseract v6レイアウトブロック&バウンディングボックス抽出: 各行の正確なピクセル座標(
bbox: { x0, y0, x1, y1 })を割り出し、ポスター全体のテキスト中央値と比較した文字のフォント高(y1 - y0)を算出します。 - 端末内
Xenova/bert-base-NERWeb Worker: 全大文字のポスターテキストを適切なタイトルケースに正規化し、ブラウザのWeb Worker内でトークン分類を実行。LOC(会場・住所・都市)、ORG(バンド・主催)、PER(出演者・登壇者)、MISC(ツアー名・フェス名)を90ms未満で高速識別します。 - 見出しと会場の結合最適化: 大きなフォント比率を持つ隣接行を整理して
イベント名を生成し、施設名とその下の住所などの連続するLOC行をスマートに開催場所 / 会場フィールドへ統合します。