论文地址：OCRBench: On The Hidden Mystery of OCR In Large Multimodal Models：2305.07895

OCRBench在10个文本相关任务上测评多模态大模型（LMM）的OCR能力，包含1000个问题-答案对，每个问题-答案对包含以下五个类别：index（索引），image（图片），question（问题），answer（回答），category（问题类别）。其中问题类别主要有以下内容：

需要注意的是，在tsv文件中，图片使用Base64编码保存。Base64 编码可将二进制图像文件（PNG、JPEG、GIF）转换为紧凑的纯文本字符串，从而直接嵌入到 HTML、CSS 或 JSON 中。

要将Base64编码转换为图片，有以下三种方式：

（1）使用在线网站：例如：Base64 转图片转换器 – 免费在线工具箱 - DopuBOX

（2）使用脚本：

import base64

# 1. 复制 Base64 编码字符串
base64_data = "/9j/4AAQSkZJRgABAQAAAQABAAD/...（完整字符串）/ALz44+gHAooA/9k="

# 2. 解码并保存为图片
with open("output.jpg", "wb") as f:
    f.write(base64.b64decode(base64_data))

print("图片已保存为 output.jpg")

（3）浏览器直接预览

在 HTML 文件中使用以下代码：

<img src="data:image/jpeg;base64,/9j/4AAQSkZJRgABAQ...（完整 Base64 字符串）.../9k=">

用浏览器打开该 HTML 文件即可显示图片。

说明

• 编码类型：该字符串是 JPEG 图片的 Base64 编码（以 /9j/ 开头）。

• 注意事项：确保复制完整的编码（从 /9j/ 到结束标记 /9k=），否则转换会失败。