2023 CSIG青年科学家会议丨多模态大模型时代下的文档图像处理

近日，由中国图象图形学学会青年工作委员会发起的“第十九届中国图象图形学学会青年科学家会议”在广州召开。

会议面向国际学术前沿与国家战略需求，聚焦最新前沿技术和热点领域，邀请各界专家与青年学者进行总计超200场的高水平学术深度交流，促进图象图形领域“产学研”合作。

一、前言引入

在会上，来自合合信息的丁凯博士在“垂直领域大模型论坛”作题为《文档图像大模型的思考与探索》的报告，分享了关于文档大模型的最新研究成果以及对未来的展望。

他指出，尽管以Chat-GPT为代表的大语言模型和GPT4-V多模态大模型在文档领域取得了显著成果，但OCR文档图像识别等领域的核心问题仍然存在。如场景及版式的多样性、采集设备的差异性、用户需求的多样性、文档图像质量退化、文字检测及版面分析的困难、非限定条件下的文字识别率低以及结构化智能理解能力差等。

为了解决这些问题，丁凯博士提出了对大模型的思考与探索，他认为，垂直领域大模型是未来的研究方向，需要深入探索并克服相关技术难题。通过“产学研”交流合作，有望推动图像图形领域的发展。

二、智能图像文档处理