歴史的文書のテキスト認識パイプラインでは、通常、レイアウト分析を行検出と独立した読書順序ステップに分解し、後者は手書きの幾何学的ヒューリスティックで処理されることが多く、傍注、マルチカラム、表、およびソース固有の編集規則に苦戦していました。この課題に対処するため、研究者らはOrli（Ordered Regression of Lines）を提案しました。これは、2つのサブタスクを、ページ画像から読書順序で直接テキスト行のベースラインを自己回帰的に生成する単一の画像系列問題として扱うエンドツーエンドモデルです。
Orliのベースラインは、弦フレームパラメータ化で表現され、垂直オフセットによって局所形状をエンコードします。この表現は簡潔でありながら、曲線や傾斜のあるテキスト行にも自然に対応できます。反復改良ヘッドがオフセットを段階的に調整し、局所視覚リファイナが画像特徴に基づいて曲線をさらに最適化します。この設計により、行の位置、方向、範囲を正確に捉え、複雑なレイアウトにも適応できます。モデルは、196,691ページからなる10種類の文字体系（ラテン、キリル、アラビア、中国語など）の異種コーパスで訓練され、幅広い適用可能性が確保されています。
実験結果によると、データセット固有の訓練なしで、OrliはcBAD行検出ベンチマークで以前報告された最新技術をわずかに上回りました。さらに印象的なのは、複数の読書順序ベンチマークでゼロショットでほぼ完全なカバレッジと順序付けを達成したことです。これは、Orliが特定のデータセットのパターンを記憶するのではなく、汎用的な読書順序の知識を学習したことを示しています。また、限定的な微調整により、学術的な組版や写本などの専門的なドメイン外のレイアウトにも効果的に適応でき、強力な汎化能力を示しました。
この研究のコードとモデル重みはMITライセンスの下で公開されており、研究者や開発者は自由に利用・拡張できます。デジタル人文科学の研究者にとって、Orliは大規模な歴史文書コレクションを自動処理し、テキスト抽出の効率を大幅に向上させることができます。さらに、オープンソースであるため、コミュニティが特定のニーズに合わせてカスタマイズすることが可能で、この分野の発展をさらに促進します。Orliの提案は、歴史文書の自動処理に効率的な新しいソリューションを提供し、デジタル人文科学やアーカイブのデジタル化におけるテキスト認識のワークフローを簡素化し、手動設計ルールへの依存を減らすことが期待されます。