zz

pages/projects/ziveit/README.md

@@ -96,20 +96,86 @@ Technický postup riešenia:
 
 Možné nástroje:
 
-Toolkity:
+## Toolkity
 
-- https://github.com/raphael-baena/DTLR
-- https://github.com/mittagessen/kraken
-- https://doc.teklia.com/pylaia/ 
-- https://github.com/DCGM/pero-ocr
-- https://github.com/UB-Mannheim/escriptorium
+### DTLR — Differential Temporal Line Recognition
+[GitHub](https://github.com/raphael-baena/DTLR)
 
-Modely:
+Segmentácia historických rukopisov pomocou differenciálnej geometrie a pilot curves.
+Dobrá na detekciu riadkov v historických/štýlových textoch. Pre moderný detský
+písmo menej priamočiara — na úroveň písmen by bolo treba ďalšej segmentácie.
 
-- https://huggingface.co/collections/davanstrien/ocr-on-the-hub
-- https://github.com/QwenLM/Qwen3-VL - Multimodálny model.
-- https://huggingface.co/microsoft/trocr-base-handwritten - Vie pracovať s jedným riadkom
-- https://huggingface.co/datalab-to/indra-ocr
-- https://github.com/studio-dots-ai/dots.ocr
-- https://github.com/baidu/Unlimited-OCR
+### Kraken
+[GitHub](https://github.com/mittagessen/kraken) | [Dokumentácia](https://github.com/mittagessen/kraken)
+
+Modulárny OCR toolbox pre historické dokumenty. Robustná riadková segmentácia
+(projekčné profily, morfologické operácie), bilingual segmentation na rozdeľovanie
+písmen, link-time line segmentation pre adaptívne prispôsobenie. Ideálne na
+riadkovú segmentáciu, dá sa učiť na vlastných dátach. **Najvhodnejší nástroj na
+riadky.**
+
+### Pyliaia
+[Doc](https://doc.teklia.com/pylaia/)
+
+HTR riešenie na frameworku LaIA s kompletným pipeline: binarizácia, detekcia
+riadkov, detekcia písmen. Podporuje transfer learning a vlastné tréningové dáta.
+Rieši aj riadky aj písmená v jednom pipeline, silné v adaptácii na nové štýly
+písma.
+
+### PERO OCR
+[GitHub](https://github.com/DCGM/pero-ocr)
+
+Complete OCR toolkit od DCGM: riadková segmentácia (projekčné profily), detekcia
+znakových oblastí, klasifikácia. Primárne pre tlačený text, s úpravami použiteľné
+pre rukopis.
+
+### Escriptorium
+[GitHub](https://github.com/UB-Mannheim/escriptorium)
+
+Nástroj na transkripciu historických rukopisov s vlastnou anotáciou a HTR
+modelmi. Má nástroje na segmentáciu, primárne postavený na už anotovaných dátach.
+Skôr celkový HTR pipeline — po prispôsobení použiteľný ako klasifikačný backend.
+
+## Modely
+
+### OCR on the Hub
+[Hugging Face Collection](https://huggingface.co/collections/davanstrien/ocr-on-the-hub)
+
+Kolekcia rôznych OCR modelov — prehľad aktuálnych riešení. Nie priamo nástroj,
+ale orientačný bod pre výber konkrétnych modelov (TROCR, Indra, atď.).
+
+### Qwen3-VL
+[GitHub](https://github.com/QwenLM/Qwen3-VL)
+
+Multimodálny vision-language model — dokáže priamo "vidieť" obrázok a rozumieť
+mu. Detekuje oblasti záujmu, extrahuje text, popisuje obsah. **Vhodné na vyššiu
+úroveň**: klasifikácia typu chyby, kvalitatívny popis, identifikácia
+neporozumenia zadaniu. Nie na granularnú písmenkovú segmentáciu.
+
+### TROCR Handwritten
+[Hugging Face](https://huggingface.co/microsoft/trocr-base-handwritten)
+
+Transformer-based OCR špeciálne na rukopis. Pracuje riadok po riadku (potrebuje
+predchádzajúcu riadkovú segmentáciu). **Výborný na klasifikáciu písmen** po
+predchádzajúcej segmentácii riadkov. Po pretrénovaní na detskom písme potenciálne
+veľmi presný.
+
+### Indra-OCR
+[Hugging Face](https://huggingface.co/datalab-to/indra-ocr)
+
+Nový multimodálny OCR model od DataLab. Primárne na rýchlu extrakciu textu z
+obrázkov — good pre riadky/odseky, nie na písmenkovú úroveň.
+
+### Dots.OCR
+[GitHub](https://github.com/studio-dots-ai/dots.ocr)
+
+Moderné OCR riešenie od štúdia Dots. Podobný prístup ako ostatné moderné OCR
+nástroje — extrakcia textu, nie granularná segmentácia.
+
+### Unlimited-OCR
+[GitHub](https://github.com/baidu/Unlimited-OCR)
+
+OCR riešenie od Baidu. Široký rozsah podporovaných jazykov a formátov, ale
+primárne orientované na tlačený text a všeobecnú extrakciu textu. Nie na
+granularnú písmenkovú segmentáciu.