59206a6ab8
Changes: - Replace PP-Structure 7-slider parameter UI with simple 3-option layout model selector - Add layout model mapping: chinese (PP-DocLayout-S), default (PubLayNet), cdla - Add LayoutModelSelector component and zh-TW translations - Fix "default" model behavior with sentinel value for PubLayNet - Add gap filling service for OCR track coverage improvement - Add PP-Structure debug utilities - Archive completed/incomplete proposals: - add-ocr-track-gap-filling (complete) - fix-ocr-track-table-rendering (incomplete) - simplify-ppstructure-model-selection (22/25 tasks) - Add new layout model tests, archive old PP-Structure param tests - Update OpenSpec ocr-processing spec with layout model requirements 🤖 Generated with [Claude Code](https://claude.com/claude-code) Co-Authored-By: Claude <noreply@anthropic.com>
31 lines
1.6 KiB
Markdown
31 lines
1.6 KiB
Markdown
# Change: Add OCR Track Gap Filling with Raw OCR Text Regions
|
||
|
||
## Why
|
||
|
||
PP-StructureV3 的版面分析模型在處理某些掃描文件時會嚴重漏檢，導致大量文字內容遺失。實測 scan.pdf 顯示：
|
||
- Raw PaddleOCR 文字識別：偵測到 **56 個文字區域**
|
||
- PP-StructureV3 版面分析：僅輸出 **9 個元素**
|
||
- 遺失比例：約 **84%** 的內容未被 PP-StructureV3 識別
|
||
|
||
問題根源在於 PP-StructureV3 內部的 Layout Detection Model 對掃描文件類型支援不足，而非我們的程式碼問題。Raw OCR 能正確偵測所有文字區域，但這些資訊在 PP-StructureV3 的結構化處理過程中被遺失。
|
||
|
||
## What Changes
|
||
|
||
實作「混合式處理」(Hybrid Approach)：使用 Raw OCR 的文字區域來補充 PP-StructureV3 遺失的內容。
|
||
|
||
- **新增** `GapFillingService` 類別，負責偵測並補回 PP-StructureV3 遺漏的文字區域
|
||
- **新增** 覆蓋率計算邏輯（中心點落入或 IoU 閾值判斷）
|
||
- **新增** 自動啟用條件：當 PP-Structure 覆蓋率 < 70% 或元素數顯著低於 Raw OCR 框數
|
||
- **修改** `OCRToUnifiedConverter` 整合 gap filling 邏輯
|
||
- **新增** 重新計算 reading_order 邏輯（依 y0, x0 排序）
|
||
- **新增** 測試案例：PP-Structure 嚴重漏檢案例、無漏檢正常文件驗證
|
||
|
||
## Impact
|
||
|
||
- **Affected specs**: `ocr-processing`
|
||
- **Affected code**:
|
||
- `backend/app/services/ocr_to_unified_converter.py` - 整合 gap filling
|
||
- `backend/app/services/gap_filling_service.py` - 新增 (核心邏輯)
|
||
- `backend/tests/test_gap_filling.py` - 新增 (測試)
|
||
- **Track isolation**: 僅作用於 OCR track；Direct/Hybrid track 不受影響
|