2023 第十二届中国智能产业高峰论坛 - 文档大模型的未来展望

目录 前言 文档图像分析识别与理解中的技术挑战 文档图像分析识别与理解的研究主题 文档图像分析与预处理 文档解析与识别 版面分析与还原 文档信息抽取与理解 AI安全 知识化&存储检索和管理 多模态大模型在文档图像处理中的应用 多模态的GPT-4在文档图像上的表现 多模态的Google Bard在文档图像上的表现 文档图像大模型的进展 文档图像专有大模型 LayoutLM系列 LiLT UDOP Donut 多模态大模型 BLIP2 Flamingo LLaVA MiniGPT-4 多模态大模型用于OCR领域的局限性 文档图像是更偏向于文字还是更偏向于图像? Pixel2seq大模型系列 Pix2Seq UniTAB NOUGAT 文档图像大模型探索 文档图像大模型设计思路 SPTS文档图像大模型 SPTS 基于SPTS的OCR大一统模型(SPTS v3) SPTSv3的任务定义 场景文本端到端检测识别 表格结构识别 手写数学公式识别 总结 目录 前言 文档图像分析识别与理解中的技术挑战 文档图像分析识别与理解的研究主题 文档图像分析与预