Podstawowe narzędzia OCR do kalendarza zawodzą przy prawdziwych plakatach i zrzutach ekranu z telefonu, ponieważ traktują obraz jako płaski tekst i bezkrytycznie kopiują pierwszą linię (lines[0]) jako nazwę wydarzenia. Na zrzucie z telefonu lub plakacie koncertowym pierwsza linia to niemal zawsze pasek stanu (9:41 5G), znak wodny bileterii (TICKETMASTER) lub nagłówek organizatora (LIVE NATION PRZEDSTAWIA).
3-etapowy lokalny potok AI w Utiliome rozumie zarówno hierarchię wizualną, jak i encje semantyczne Twojego plakatu:
- Ekstrakcja bloków układu i ramek Tesseract v6: Odczytuje dokładne współrzędne pikseli każdej linii (
bbox: { x0, y0, x1, y1 }) i oblicza wizualną wysokość czcionki (y1 - y0) względem mediany wysokości tekstu na plakacie. - Lokalny Web Worker z
Xenova/bert-base-NER: Normalizuje wersaliki do czytelnego formatu Title Case i uruchamia klasyfikację tokenów wewnątrz Web Workera, klasyfikując jednostkiLOC(miejsca, ulice, miasta),ORG(zespoły, organizatorzy),PER(artyści, prelegenci) iMISC(trasy, festiwale) w czasie poniżej 90 ms. - Parowanie nagłówka i lokalizacji: Łączy sąsiadujące wiersze o dużej skali fontu w czysty
Tytuł wydarzenia, jednocześnie scalając kolejne linieLOC(np. nazwę klubu nad adresem ulicy) w poleLokalizacja / Miejsce.