Im Kontext der digitalen Transformation und der künstlichen Intelligenz (KI) in Vietnam spielt die OCR-Technologie (optische Zeichenerkennung) eine zunehmend wichtige Rolle bei der Digitalisierung von Dokumenten, der Automatisierung von Geschäftsprozessen, der Kosteneinsparung und der Verbesserung der Managementeffizienz. Angesichts der Besonderheiten der vietnamesischen Sprache mit Akzenten und Handschrift beschränkt sich das Erkennungsproblem jedoch nicht auf das Lesen von Wörtern, sondern erfordert ein umfassendes Kontextverständnis des Modells.
Kürzlich gab das CMC Technology Application Institute (CMC ATI) bekannt, dass das von seinem Forschungsteam auf der Grundlage eines 5 TB großen Data Warehouse entwickelte CATI-VLM-Modell (Visual Document Understanding) in der Kategorie Document Visual Question Answering (DocVQA) im Juni 2025 in der soeben von der Robust Reading Competition (RRC) bekannt gegebenen Rangliste weltweit unter die Top 12 und in Vietnam unter die Top 12 gelangte.
Robust Reading Competition (RRC) ist ein renommierter wissenschaftlicher Spielplatz (https://rrc.cvc.uab.es/), der vom Computer Vision Center (CVC) der Autonomen Universität Barcelona (UAB) in Spanien organisiert wird, einer weltweit renommierten Forschungseinrichtung auf dem Gebiet des Computersehens. Der Wettbewerb wurde 2011 ins Leben gerufen und findet stets parallel zur International Conference on Text Analysis and Recognition ICDAR statt – einem der weltweit größten Foren für Dokumentenanalyse und Computersehen. Er hat sich zu einem wichtigen Event entwickelt, das Forscher, Ingenieure renommierter Universitäten, Forschungsinstitute und Technologieunternehmen wie die Tsinghua-Universität, Hyundai Motor Group und Tencent... anzieht. Die Aufgaben des RRC zielen darauf ab, den technologischen Fortschritt zu fördern und sind eng mit praktischen Problemen verknüpft, von Übersetzung und Unternehmensdatenmanagement bis hin zu Stadtanalyse und historischer Dokumentenverarbeitung.
Dr. Dang Minh Tuan, Direktor von CMC ATI, erklärte: „Die Forschungskapazität des CMC-Teams wird durch eine renommierte globale Plattform wie RRC bestätigt. Wir sind stolz darauf, dass das Team in so kurzer Zeit ein hohes Ranking erreichen konnte und Seite an Seite mit namhaften Unternehmen aus Industrieländern steht. Noch wichtiger ist, dass dies ein klarer Beweis für die Fähigkeit ist, Technologien zu beherrschen, um spezifische Probleme der Vietnamesen und spezialisierter Bereiche in Vietnam zu lösen.“
CATI-VLM unterscheidet sich von herkömmlicher OCR dadurch, dass es nicht nur Zeichen extrahiert, sondern auch mehrere Informationsebenen versteht: Textinhalte, Nicht-Text-Elemente (Kontrollkästchen, Diagramme, Signaturen, Formeln), Layout (Seitenstruktur, Tabellen, Formulare) und Stil (Schriftarten, Hervorhebungen usw.). Ähnlich wie ChatGPT kann das Modell visuelle Fragen zu Dokumentbildern beantworten, ohne dass spezifische Formulare im Voraus erlernt werden müssen.
Quelle: https://doanhnghiepvn.vn/cong-nghe/ai-loi-make-in-vietnam-duoc-xep-hang-top-12-the-gioi/20250703100726051
Kommentar (0)