Dalam konteks transformasi digital dan transformasi kecerdasan buatan (AI) di Vietnam, teknologi OCR (pengenalan karakter optik) memainkan peran yang semakin penting dalam digitalisasi dokumen, otomatisasi proses bisnis, penghematan biaya, dan peningkatan efisiensi manajemen. Namun, dengan karakteristik orang Vietnam yang memiliki aksen dan tulisan tangan, masalah pengenalan tidak hanya terbatas pada 'membaca kata', tetapi juga membutuhkan model yang mampu memahami konteks secara komprehensif.
Baru-baru ini, CMC Technology Application Institute (CMC ATI) mengumumkan model CATI-VLM (Visual Document Understanding) yang dikembangkan oleh tim peneliti dari gudang data besar berukuran 5 TB, mencapai Top 12 di dunia dan Top 1 di Vietnam dalam peringkat yang baru saja diumumkan oleh Robust Reading Competition (RRC) pada bulan Juni 2025 dalam kategori Document Visual Question Answering (DocVQA).
Peringkat RRC dalam kategori DocVQA 6/2025.
Robust Reading Competition (RRC) adalah arena bermain ilmiah bergengsi (https://rrc.cvc.uab.es/) yang diselenggarakan oleh Computer Vision Center (CVC) dari Universitat Autònoma de Barcelona (UAB) Spanyol, sebuah fasilitas penelitian bergengsi di dunia di bidang visi komputer. Dimulai pada tahun 2011, selalu mendampingi Konferensi Internasional Analisis dan Pengenalan Teks (ICDAR) - salah satu forum terbesar di dunia tentang analisis dokumen dan visi komputer - kompetisi ini telah menjadi ajang penting, menarik para peneliti, insinyur dari universitas bergengsi, lembaga penelitian, dan perusahaan teknologi seperti Universitas Tsinghua, Hyundai Motor Group, dan Tencent... Tugas RRC dirancang untuk mendorong kemajuan teknologi, yang berkaitan erat dengan permasalahan praktis mulai dari penerjemahan, manajemen data perusahaan hingga analisis perkotaan dan pemrosesan dokumen historis.
Dr. Dang Minh Tuan, Direktur CMC ATI, menyampaikan: "Kapasitas riset tim CMC ditegaskan melalui arena global bergengsi seperti RRC. Kami bangga bahwa hanya dalam waktu singkat, tim ini dapat meraih peringkat tinggi, sejajar dengan nama-nama besar dari negara-negara maju. Lebih penting lagi, ini merupakan demonstrasi nyata dari kemampuan mereka menguasai teknologi untuk memecahkan permasalahan spesifik di Vietnam dan bidang-bidang khusus di Vietnam."
CATI-VLM berbeda dari OCR tradisional karena tidak hanya mengekstrak karakter, tetapi juga memahami berbagai lapisan informasi: konten teks, elemen non-teks (kotak centang, kotak centang, bagan, tanda tangan, rumus), tata letak (struktur halaman, tabel, formulir), dan gaya (font, sorotan, dll.). Model ini dapat menjawab pertanyaan visual yang diajukan pada gambar dokumen, mirip dengan ChatGPT, tanpa harus mempelajari formulir tertentu sebelumnya.
Menurut Berita dan Surat Kabar Rakyat
Sumber: https://doanhnghiepvn.vn/cong-nghe/ai-loi-make-in-vietnam-duoc-xep-hang-top-12-the-gioi/20250703100726051
Komentar (0)