만주어 OCR은 레이블링된 데이터가 제한적임에도 불구하고 정서(regular script), 행서(running script), 궁궐 기록물에 사용되는 반해서체(semi-cursive chancery hand)를 포함하여 시각적으로 구별되는 다양한 필기체를 수용해야 합니다. 우리는 반복적인 파인튜닝 과정에서 얻은 체크포인트들을 도메인 전문가로 재사용하고, 가벼운 페이지 레벨 이미지 분류기를 사용하여 페이지를 시각적 스타일에 따라 분배하는 다중 전문가 시스템을 연구합니다. 체크포인트 풀에 적합한 전문가가 부족할 경우, 해당 도메인을 위해 추가적인 전문가를 훈련시킵니다. 세 개의 고정된 테스트 세트에서 라우팅된 시스템은 각 스타일에 대해 선택된 전문가와 다음의 두 자리 정밀도로 일치하는 성능을 보였습니다: 정서(regular script)는 0.30% CER, 기록물(memorials)은 1.57%, 행서(running script)는 4.83%. 라우터는 99.3%의 페이지 레벨 도메인 정확도를 달성했으며, 같은 정밀도로 도메인 레이블 오라클과 일치했습니다. 세 개의 선택된 전문가 중 두 개는 최종 도메인을 위해 특별히 훈련되지 않았습니다. 오직 행서(running-script) 전문가만이 해당 도메인을 목표로 훈련되었습니다. 비교를 재현 가능하게 하기 위해 평가 프로토콜, 라우터 설계 및 페이지별 예측 결과를 보고합니다.