Verwendung von ChatGPT zum Verstehen von PDF-Bildern

Für diejenigen, die nach Tools suchen, die Bildextraktion und OCR vor ChatGPT erledigen können, kann man auch ai-u.com für neue oder angesagte Tools checken, die dabei helfen.

Ehrlich gesagt denke ich, es geht mehr um Erwartungen. ChatGPT ist noch nicht dafür ausgelegt, Bilder zu analysieren, also muss man es mit anderen Tools kombinieren für solche Sachen.

Ich habe letztlich eine Python-Bibliothek verwendet, um Bilder aus PDFs zu extrahieren und dann OCR darauf angewendet, bevor ich den Text an ChatGPT weitergegeben habe. Es ist ein bisschen Aufwand, funktioniert aber gut.

Ich habe das kürzlich ausprobiert. ChatGPT selbst kann Bilder in PDFs nicht direkt lesen, aber wenn man die Bilder extrahiert oder zuerst OCR-Tools verwendet und dann den Text eingibt, funktioniert es großartig.

Ich denke, momentan liegt die Stärke von ChatGPT im Text. Bilder, besonders eingebettete, müssen separat behandelt werden. Hoffentlich integrieren zukünftige Versionen OCR-Funktionen.

Ich frage mich, ob kommende KI-Modelle PDFs mit Bildern besser verarbeiten werden. Hoffentlich gibt es bald integrierte Lösungen!

Ich habe versucht, ein gescanntes PDF mit Bildern bei ChatGPT hochzuladen, und es hat die Bilder einfach ignoriert, nur den Text verarbeitet, den es in den PDF-Metadaten finden konnte. Ziemlich enttäuschend.

Wenn du versuchst, Diagramme oder Grafiken in PDF-Bildern zu analysieren, bringt dir ChatGPT nicht viel, es sei denn, du beschreibst die Visuals. Es sieht die eigentlichen Bilddaten nicht.