ベトナムの人工知能、テキスト認識で世界トップ12にランクイン

CATI-VLMモデルは、2025年6月に開催された国際ロバスト読解コンテスト（RRC）の文書ビジュアル質問応答（DocVQA）部門で、世界トップ12、ベトナムトップ1にランクされました。

ベトナムではデジタルトランスフォーメーションと人工知能アプリケーションの変革が盛んに行われており、OCRテクノロジー（光学式文字認識）は、文書のデジタル化、ビジネスプロセスの自動化、コストの削減、管理効率の向上においてますます重要な役割を果たしています。

しかし、アクセントや手書き文字のあるベトナム語の特性を考えると、認識の問題は「単語の読み取り」に留まらず、モデルが文脈を総合的に理解する能力を持つことが求められます。

この課題に直面して、 CMCテクノロジー アプリケーション インスティテュート (CMC ATI) は、コンピューター ビジョン (Visual Document Understanding) を使用してドキュメントを理解するシステムである CATI-VLM モデルを開発しました。

最大 5TB の大規模データ ウェアハウスをベースにしたこのモデルは、2025 年 6 月に開催された国際 Robust Reading Competition (RRC) の Document Visual Question Answering (DocVQA) 部門で、世界トップ 12 位、ベトナムトップ 1 位にランクされました。

（ベトナム通信社/ベトナム+）

出典: https://www.vietnamplus.vn/tri-tue-nhan-tao-viet-vao-top-12-the-gioi-ve-nhan-dang-van-ban-post1048696.vnp