近期，2023年度視覺與學(xué)習(xí)青年學(xué)者研討會 (Vision And Learning SEminar, VALSE) 圓滿落幕。會議由中國人工智能學(xué)會、中國圖象圖形學(xué)學(xué)會主辦，江南大學(xué)和無錫國家高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)管理委員會承辦。超五千名專家學(xué)者、知名高校師生以及來自O(shè)PPO、華為、百度、合合信息等科技企業(yè)的研發(fā)人員齊聚大會，共探計(jì)算機(jī)視覺、圖像處理、模式識別與機(jī)器學(xué)習(xí)前沿技術(shù)的發(fā)展與應(yīng)用。

大會現(xiàn)場

【資料圖】

VALSE是一個(gè)面向計(jì)算機(jī)視覺與機(jī)器學(xué)習(xí)領(lǐng)域國內(nèi)外華人青年學(xué)者的高規(guī)格學(xué)術(shù)研討會。本屆大會共呈現(xiàn)了3 個(gè)大會主旨報(bào)告、4個(gè)大會特邀報(bào)告、12個(gè)年度進(jìn)展報(bào)告 (APR)報(bào)告、4場講習(xí)班 (Tutorial)、20場研討會 (Workshop)，會議報(bào)告總數(shù)為歷年之最。

今年，VALSE繼承了往屆大會的主要程序環(huán)節(jié)，相關(guān)報(bào)告和展示從內(nèi)容上涵蓋了計(jì)算機(jī)視覺、圖像處理、模式識別與機(jī)器學(xué)習(xí)領(lǐng)域的大部分熱點(diǎn)研究方向，研討了上述研究領(lǐng)域的國內(nèi)外前沿進(jìn)展。大會邀請中國工程院院士高文教授，歐洲科學(xué)院外籍院士焦李成教授，中科院計(jì)算所所長陳熙霖研究員做主旨報(bào)告，由VALSE聯(lián)合創(chuàng)始人山世光研究員主持主旨報(bào)告環(huán)節(jié)。

本屆會議Workshop環(huán)節(jié)專注于視覺知識和多重知識表達(dá)、語言文字識別與理解等技術(shù)研發(fā)及應(yīng)用熱點(diǎn)。文檔的智能化處理是計(jì)算機(jī)視覺在產(chǎn)業(yè)中的重要應(yīng)用方向，現(xiàn)階段還面臨著諸多挑戰(zhàn)。作為智能文檔處理領(lǐng)域的代表，合合信息出席會議并進(jìn)行智能文檔處理技術(shù)研發(fā)與實(shí)踐成果分享。

VALSE Workshop環(huán)節(jié)，合合信息技術(shù)代表就《智能文檔圖像處理技術(shù)應(yīng)用與實(shí)踐》主題進(jìn)行分享

合合信息相關(guān)技術(shù)人員提到，隨著OCR技術(shù)應(yīng)用面的持續(xù)拓寬，復(fù)雜多變的版面、多樣化的文本內(nèi)容給文檔的識別和還原帶來了新的挑戰(zhàn)。“版面分析與文檔還原”技術(shù)對提升文檔圖像電子化的視覺效果、信息提取精準(zhǔn)度非常關(guān)鍵，是公司重點(diǎn)發(fā)力的方向之一。

文檔中通常含有大量的圖片、表格等非文字內(nèi)容，一篇普通的論文或者文稿，除文字信息外，其版面往往包含頁眉、頁腳、表格、二維碼等多種元素。在向系統(tǒng)輸入文檔圖像后，機(jī)器會對文字部分和版面元素進(jìn)行分析和識別，把若干行文字關(guān)聯(lián)起來，從而獲得正確的順序與段落關(guān)系，這便是版面分析技術(shù)。

版面分析的任務(wù)目標(biāo)被分為物理版面分析和邏輯版面分析兩類，前者主要解決區(qū)域分割問題，后者則關(guān)注區(qū)域之間的邏輯關(guān)系或閱讀順序。如何精準(zhǔn)地辨別各類元素，并在文檔電子化過程中讓它們回歸到應(yīng)有的位置，是該項(xiàng)技術(shù)的難點(diǎn)之一。

如果無法提升版面分析的精準(zhǔn)度，文件材料在被拍照、掃描成電子文檔的過程中便可能出現(xiàn)漏字、錯(cuò)位的現(xiàn)象，圖片轉(zhuǎn)Word、圖片轉(zhuǎn)Excel等“可編輯”性的需求將無法被滿足。

“版面分析與文檔還原技術(shù)能夠幫助機(jī)器‘看懂’文檔結(jié)構(gòu)，讓文檔電子化獲得‘所見即所得’的處理效果。”分享環(huán)節(jié)中，合合信息技術(shù)人員提到，文檔圖片的格式轉(zhuǎn)化流程中，在檢測、識別完出文字信息中的字符、坐標(biāo)信息，以及版面中段落、印章、表格等元素信息后，機(jī)器才能“理解”文檔的組成，更好地將圖像“還原”成一個(gè)可編輯的Word或Excel文件。

合合信息“智能文檔處理——文檔還原系統(tǒng)架構(gòu)”展示

據(jù)了解，合合信息版面分析技術(shù)通過解決版面分割、區(qū)域間的邏輯關(guān)系處理等方面的難題，可將文檔圖像切分成不同類型內(nèi)容（文本、圖形、公式、表格等）的區(qū)域，并分析區(qū)域之間的關(guān)系，讓機(jī)器更精準(zhǔn)地確定文檔中的文字位置、字體、大小和排版方式，從各類版式復(fù)雜的圖片文檔中精準(zhǔn)獲取信息。

合合信息“版面分析與還原”技術(shù)處理效果展示

未來，合合信息將持續(xù)為全球企業(yè)和個(gè)人用戶提供創(chuàng)新的數(shù)字化、智能化服務(wù)，助力個(gè)人文檔處理效率提升，加速企業(yè)全生命周期文檔電子化進(jìn)程。