近日，2024中國圖象圖形大會在古都西安盛大開幕。本屆大會由中國圖象圖形學(xué)學(xué)會主辦，空軍軍醫(yī)大學(xué)、西安交通大學(xué)、西北工業(yè)大學(xué)承辦，通過二十多場論壇、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(xí)、類腦計算等多個圖像圖形領(lǐng)域的進展。

　　大模型技術(shù)正隨著科技革新實現(xiàn)廣泛應(yīng)用，滿足多行業(yè)圖像處理需求。大會期間，由CSIG文檔圖像分析與識別專委會與上海合合信息科技股份有限公司(簡稱“合合信息”)聯(lián)合主辦了《大模型技術(shù)及其前沿應(yīng)用》論壇，來自華南理工大學(xué)、上海交通大學(xué)、清華大學(xué)、復(fù)旦大學(xué)、上海人工智能實驗室、合合信息等高校、研究機構(gòu)及企業(yè)的專家代表就大模型技術(shù)在圖像領(lǐng)域的發(fā)展、應(yīng)用進行了深入研討。

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

　　大模型一路“高歌猛進”的背后，隱藏著一場關(guān)于模型訓(xùn)練語料的“能源危機”。根據(jù)人工智能研究人員小組Epoch研究估計，機器學(xué)習(xí)數(shù)據(jù)集可能會在2026年前耗盡所有“高質(zhì)量語言數(shù)據(jù)”�，F(xiàn)階段，大量的高質(zhì)量語料數(shù)據(jù)存在于書籍、論文、研報、企業(yè)文檔等文檔之中，復(fù)雜的版面結(jié)構(gòu)制約了大模型的訓(xùn)練語料處理及大模型文檔問答的應(yīng)用能力。文檔解析技術(shù)的進步，讓機器能夠識別文檔中的多種元素，更好地處理文本、表格、圖像等多類型數(shù)據(jù)，還原文檔閱讀順序，加速大模型訓(xùn)練與應(yīng)用。論壇上，合合信息智能創(chuàng)新事業(yè)部研發(fā)總監(jiān)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，給與會者帶來了新的技術(shù)視角。

　　“文檔解析的難點在于如何準(zhǔn)確識別文檔中的各個元素，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(jù)常揚介紹，物理版面分析側(cè)重于視覺特征、文檔布局，主要任務(wù)是把相關(guān)性高的文字聚合到一個區(qū)域，比如一個段落，一個表格等等，并選用目標(biāo)檢測任務(wù)進行建模，使用基于回歸的單階段檢測模型進行擬合，從而獲得文檔中各種各樣的布局方式;邏輯版面分析側(cè)重于對語義特征的分析，主要任務(wù)是把不同的文字塊根據(jù)語義建模，例如通過語義的層次關(guān)系，形成一個目錄樹結(jié)構(gòu)。

　　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、無線表、跨頁表格、頁眉、頁腳、公式、圖像、流程圖等版面元素，準(zhǔn)確地還原文檔閱讀順序，為大模型領(lǐng)域提供了精準(zhǔn)的訓(xùn)練語料與文檔問答應(yīng)用體驗。

　　圖說：高校研究者、學(xué)生排隊體驗智能文檔處理技術(shù)

　　“我們研究過程中發(fā)現(xiàn)，真實世界的文檔有著極為豐富的布局類型，沒法單純地用單欄，雙欄、三欄等類別去定義。”常揚表示，近年來的開放詞匯目標(biāo)檢測(OVD)，視覺語義對齊(Alignment)等工作，以及生成式模型等前沿進展，將給版面分析帶來新的研究思路，合合信息技術(shù)團隊也將持續(xù)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)生價值。