首先这个是原图
本来想让ChatGPT帮忙用python求解的，结果却很怪异：
（官网的结果）
它直接调用了python的OCR功能。这似乎是遗留的老问题，在gpt-4o发布之前，它就很喜欢把图片当成文件进行OCR（当然结果很糟糕）
然后我再shared上把图片直接发给它，问它看到了什么，结果在胡说八道：
用Perplexity的GPT-4o倒是没问题，反应很快：
猜测 是不是因为官网的多模态不能处理带有透明背景的图片，还是说难以处理PNG格式的文件……？
（官网的结果）
2 个赞
模型不能处理透明通道挺正常的，毕竟带透明通道的训练集就不多
所以后端把图片输入模型前要加个背景，可能有的实现是添加的白色背景，有的加黑色背景，凑巧背景就把文字盖住了
楼主可以试一下把文字换一个颜色看看效果
6 个赞
那如果是pdf白色背景，然后灰色水印有什么办法优化咩佬
我还没遇到过水印对内容识别影响特别大的情况
如果pdf没有加保护，可以试试直接用Acrobat一类的编辑器删掉水印
1 个赞
谢谢佬
4-vision和4o一样,
我只能直接对着题目截图然后CTRL V
1 个赞
感觉是老问题
1 个赞
离谱