近期，第十九屆中國圖象圖形學學會青年科學家會議（簡稱“會議”）在廣州召開。會議由中國圖象圖形學學會（CSIG）主辦，琶洲實驗室、華南理工大學、中山大學、中國圖象圖形學學會青年工作委員會承辦。會議面向國際學術前沿與國家戰(zhàn)略需求，致力于支持圖象圖形領域的優(yōu)秀青年學者，提供學術交流與研討的平臺，促進學者之間的交流與合作，鼓勵圖象圖形領域的“產(chǎn)學研”合作。
當下，以大模型為代表的人工智能技術正重塑著千行百業(yè)。相較于通用大模型，垂直領域大模型專注于特定場景的數(shù)據(jù)和知識，在處理復雜、專業(yè)的場景問題時具有更高的準確性和效率。垂直領域大模型的作用與發(fā)展前景也成為了各界研究的重點。因此，在主辦單位中國圖象圖形學學會的指導下，合合信息聯(lián)合琶洲實驗室、華南理工大學、中山大學、中國圖象圖形學學會青年工作委員會共同承辦了《垂直領域大模型論壇》（簡稱“論壇”）。論壇匯聚了高校及辦公、醫(yī)療、工業(yè)等多個行業(yè)代表性企業(yè)的技術專家，共同分享前沿技術成果與實戰(zhàn)思路，為大模型在垂直領域中的應用尋找新的落腳點。
文檔處理是垂直領域大模型的重要研究方向。受制于圖像質(zhì)量低下，版式豐富，文字字體、顏色多樣等因素的影響，文檔圖像智能分析與理解能力的大幅度提升面臨著挑戰(zhàn)。2023年9月，繼GPT-4后，Open AI發(fā)布了具有視覺功能的多模態(tài)模型GPT-4V(V即“Vision”)，具備突出的文檔圖像理解能力，引起行業(yè)廣泛關注。
論壇上，合合信息智能技術平臺事業(yè)部副總經(jīng)理、高級工程師丁凱博士對GPT-4V在文檔處理領域的實際表現(xiàn)進行了解析，并對公司在智能文檔處理領域的研究工作進行了分享。
丁凱表示，GPT-4V在場景文字識別、語言形態(tài)、語言種類、手寫識別、公式識別、幾何圖形識別、表格理解等方面的表現(xiàn)非常驚艷，針對復雜圖表分析理解、文檔抽取和推理結果也十分出色。相對應地，GPT-4V在中文、手寫公式，場景文字識別，表格識別上存在缺陷；面對多欄目、表格等復雜版式的文檔時，大模型的處理效果距離當前SOTA（State Of The Art)的方法尚有較大差距。
“在智能文檔處理領域，大模型支持識別和理解的文檔元素類型遠超傳統(tǒng)算法，大幅度拓展了AI技術在文檔分析與識別領域的能力邊界，端到端實現(xiàn)了文檔從識別到理解的全過程。不足在于，目前大模型的OCR精度距離領域最佳模型有較大差距，長文檔依賴外部的文檔解析引擎?！倍P認為，技術公司可以把“感知”層面的事情做好，讓大模型更好地去做“認知”，這種融合研究范式在智能文檔處理領域中具有積極的意義。
目前，合合信息-華南理工大學文檔圖像分析識別與理解聯(lián)合實驗室針對大模型文檔處理中的像素級OCR統(tǒng)一模型、OCR大一統(tǒng)模型等重點技術方向進行了深入研究，相關工作成果在文本去除、文本分割和篡改文本檢測任務上得到了廣泛驗證。此外，實驗室還通過創(chuàng)新的文檔識別分析與LLM（自然語言模型）應用設計，充分利用序列預測的優(yōu)勢，更好地解決文檔圖像處理中的多樣化任務需求，并且通過與LLM的結合，實現(xiàn)了更高層次的文檔理解和分析，為文檔圖像處理領域帶來了更多可能性。
合合信息是一家人工智能及大數(shù)據(jù)科技企業(yè)，致力于通過智能文字識別及商業(yè)大數(shù)據(jù)領域的核心技術、C端和B端產(chǎn)品以及行業(yè)解決方案，為全球企業(yè)和個人用戶提供創(chuàng)新的數(shù)字化、智能化服務。通過自然語言處理（NLP）、計算機視覺（CV）、深度學習等人工智能技術，合合信息智能文檔處理系統(tǒng)可實現(xiàn)“文檔導入-圖像處理-文字檢測與識別-信息抽取-數(shù)據(jù)驗證-語義檢索與摘要”全流程智能化處理，相關產(chǎn)品及解決方案已在全球范圍內(nèi)被應用于金融業(yè)、物流業(yè)、制造業(yè)等多個行業(yè)中。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
