近日，2024中國圖象圖形大會(huì )在古都西安盛大開(kāi)幕。本屆大會(huì )由中國圖象圖形學(xué)學(xué)會(huì )主辦，空軍軍醫大學(xué)、西安交通大學(xué)、西北工業(yè)大學(xué)承辦，通過(guò)二十多場(chǎng)論壇、百余項成果，集中展示了生成式人工智能、大模型、機器學(xué)習、類(lèi)腦計算等多個(gè)圖像圖形領(lǐng)域的進(jìn)展。

大模型技術(shù)正隨著(zhù)科技革新實(shí)現廣泛應用，滿(mǎn)足多行業(yè)圖像處理需求。大會(huì )期間，由CSIG文檔圖像分析與識別專(zhuān)委會(huì )與上海合合信息科技股份有限公司（簡(jiǎn)稱(chēng)“合合信息”）聯(lián)合主辦了《大模型技術(shù)及其前沿應用》論壇，來(lái)自華南理工大學(xué)、上海交通大學(xué)、清華大學(xué)、復旦大學(xué)、上海人工智能實(shí)驗室、合合信息等高校、研究機構及企業(yè)的專(zhuān)家代表就大模型技術(shù)在圖像領(lǐng)域的發(fā)展、應用進(jìn)行了深入研討。

圖說(shuō)：行業(yè)關(guān)注者聆聽(tīng)《大模型技術(shù)及其前沿應用》論壇分享

大模型一路“高歌猛進(jìn)”的背后，隱藏著(zhù)一場(chǎng)關(guān)于模型訓練語(yǔ)料的“能源危機”。根據人工智能研究人員小組Epoch研究估計，機器學(xué)習數據集可能會(huì )在2026年前耗盡所有“高質(zhì)量語(yǔ)言數據”。現階段，大量的高質(zhì)量語(yǔ)料數據存在于書(shū)籍、論文、研報、企業(yè)文檔等文檔之中，復雜的版面結構制約了大模型的訓練語(yǔ)料處理及大模型文檔問(wèn)答的應用能力。文檔解析技術(shù)的進(jìn)步，讓機器能夠識別文檔中的多種元素，更好地處理文本、表格、圖像等多類(lèi)型數據，還原文檔閱讀順序，加速大模型訓練與應用。論壇上，合合信息智能創(chuàng )新事業(yè)部研發(fā)總監常揚分享了合合信息智能文檔處理技術(shù)在文檔解析領(lǐng)域的工作，給與會(huì )者帶來(lái)了新的技術(shù)視角。

“文檔解析的難點(diǎn)在于如何準確識別文檔中的各個(gè)元素，并理解其之間的邏輯關(guān)系，需要關(guān)注'物理版面分析'和'邏輯版面分析。' ”據常揚介紹，物理版面分析側重于視覺(jué)特征、文檔布局，主要任務(wù)是把相關(guān)性高的文字聚合到一個(gè)區域，比如一個(gè)段落，一個(gè)表格等等，并選用目標檢測任務(wù)進(jìn)行建模，使用基于回歸的單階段檢測模型進(jìn)行擬合，從而獲得文檔中各種各樣的布局方式；邏輯版面分析側重于對語(yǔ)義特征的分析，主要任務(wù)是把不同的文字塊根據語(yǔ)義建模，例如通過(guò)語(yǔ)義的層次關(guān)系，形成一個(gè)目錄樹(shù)結構。

文檔解析技術(shù)中文檔元素檢測、文字表格識別、文檔版面分析、閱讀順序還原等任務(wù)涉及對版面元素和版面整體布局的判斷，是文檔處理領(lǐng)域典型的技術(shù)難題。通過(guò)十幾年技術(shù)積淀，合合信息打通了電子檔解析、掃描檔圖像處理、文字識別、表格識別、版面分析、版面還原和排版布局等文檔智能化處理的全流程，面對電子文檔及掃描件，能夠靈活地識別文字、表格、無(wú)線(xiàn)表、跨頁(yè)表格、頁(yè)眉、頁(yè)腳、公式、圖像、流程圖等版面元素，準確地還原文檔閱讀順序，為大模型領(lǐng)域提供了精準的訓練語(yǔ)料與文檔問(wèn)答應用體驗。

圖說(shuō)：高校研究者、學(xué)生排隊體驗智能文檔處理技術(shù)

“我們研究過(guò)程中發(fā)現，真實(shí)世界的文檔有著(zhù)極為豐富的布局類(lèi)型，沒(méi)法單純地用單欄，雙欄、三欄等類(lèi)別去定義。”常揚表示，近年來(lái)的開(kāi)放詞匯目標檢測（OVD），視覺(jué)語(yǔ)義對齊（Alignment）等工作，以及生成式模型等前沿進(jìn)展，將給版面分析帶來(lái)新的研究思路，合合信息技術(shù)團隊也將持續在智能文檔處理領(lǐng)域深耕，讓新技術(shù)在行業(yè)中更快速地產(chǎn)生價(jià)值。

免責聲明：市場(chǎng)有風(fēng)險，選擇需謹慎！此文僅供參考，不作買(mǎi)賣(mài)依據。

關(guān)鍵詞：