FCA — Flexible Character Accuracy
- 出处：Clausner, Pletschacher & Antonacopoulos (2020), Pattern Recognition Letters 131, 390–397
- 在本 wiki 首次出现于 ocr-vs-mllm-benchmark
是什么
一种 edit-distance 型、对阅读顺序不变(reading-order-independent) 的字符级 OCR 评测指标。它以灵活方式比较识别文本与 ground-truth 的子串（以行/line 为单元匹配），从而把”字符识别精度”与”版面分析/序列化误差”解耦。
为什么重要
标准 CA(=1−CER) 严格按字符序列对齐，一旦系统输出的阅读顺序与 GT 不一致（多栏、表格、复杂版面很常见），即使每个字都认对了，CA 也会暴跌。FCA 不受阅读序影响，所以：
- FCA − CA 的 gap 成了诊断信号：gap 大 = 误差主要来自阅读序/序列化，而非字符误识；gap 小 = 误差是真·字符误识/遗漏
- 实例（ocr-vs-mllm-benchmark）：DeepSeek-OCR 在 SROIE 上 FCA-CA gap ≈16.2，Gemini 2.0 Flash ≈5 → 生成式解码的阅读序问题；Qwen2.5-VL-3B gap ≈2 → 阅读序处理可靠
计算约定
- FCA 以行(line)为单元运作。原生返回行级转写的 OCR 引擎直接用其行结果
- 多模态 LLM 返回纯文本时，按输出里的换行符
\n切出行单元
相关指标
- CA / WA = 1 − CER / WER（字符/词准确率，严格对齐）
- NED（Normalized Edit Distance）：放宽 reference-length 归一的字符级补充度量
- 对比基准视角另见 omnidocbench
对 OCR 评测与诊断的价值
评此类要输出复杂版面结构的模型时，必须报 FCA + NED，只看 CA 会把阅读序错误和字符错误混为一谈。FCA-CA gap 可作为训练/调试信号，专门定位后端 AR 解码的阅读序/serialization 缺陷——而前端 DETR 的 query-based 检测正好能给阅读序提供显式锚点。