近期，2023年中國模式識別與計算機視覺大會（PRCV）在廈門成功舉行。大會由中國計算機學會（CCF）、中國自動化學會（CAA）、中國圖象圖形學學會（CSIG）和中國人工智能學會（CAAI）聯合主辦，多媒體可信感知與高效計算教育部重點實驗室、廈門大學人工智能研究院、廈門大學信息學院承辦，是國內模式識別和計算機視覺領域的學術盛會。
本次大會通過聚焦中國模式識別與計算機視覺領域的最新理論和技術成果解讀、分享，進一步加強產學研領域的學術交流和技術碰撞，促進模式識別與計算機視覺領域的協同合作與融合創新。大會邀請了徐宗本院士、張艷寧教授、李樹濤教授、黃鐵軍教授、胡事民教授作主旨報告；參會人員包括來自清華大學、廈門大學、浙江大學、華中科技大學等高校的科研工作者，以及騰訊、美團、合合信息等科技企業的技術專家。
智能文檔處理技術是學術界重點關注的領域，而隨著信息渠道的多樣化發展，異構化、跨模態的數據層出不窮。文檔圖像是文字與圖片領域的交集點，天然具備多模態屬性。在《視言碰撞：語言模型與視覺生態協同論壇》上，合合信息圖像算法研發總監郭豐俊博士就文檔圖像前沿技術熱點話題進行了分享。郭豐俊表示，多模態技術可充分利用文檔圖像的視覺和語言屬性，并借助語言大模型已取得的優異性能和技術積累，正逐漸成為文檔圖像處理領域的熱門研究方向。
合合信息圖像算法研發總監郭豐俊博士進行《文檔圖像前沿技術探索——多模態及圖像安全》主題分享
“從目前評測的情況來看，已知的多模態預訓練系統在文檔圖像識別準確率上還遜于最先進的OCR識別系統。”郭豐俊提到，合合信息-華南理工大學文檔圖像分析識別與理解聯合實驗室對該方向展開了研究，并在數據高效利用及垂直領域識別項目中取得了階段性成果。
大模型技術的突破讓生成式AI擁有了更廣泛的落地空間，也讓圖片偽造的門檻變得更低，給了不法分子可乘之機。大會現場，郭豐俊對合合信息在AI圖像安全方面的工作進行了分享。據介紹，合合信息智能文檔處理技術覆蓋了圖像預處理、解析識別到AI安全等文檔圖像處理全生命周期，圖像篡改檢測技術不僅能夠應用于自然場景，還能應用于資質證書、文檔合同、銀行保單等截圖的鑒別上。針對圖片生成式造假，合合信息基于空域與頻域關系建模，利用多維度特征來分辨真實圖片和生成式圖片的細微差異，判斷圖片是否由AI生成。
今年8月，合合信息獲得了文檔分析與識別國際會議（ICDAR 2023）“文本篡改檢測”賽道冠軍。合合信息技術團隊提出的方案能夠在保持低誤檢率的同時，準確識別并定位圖片中文本的篡改行為，從而有效保障文本信息的真實性。相關方案已在銀行、證券、保險多個場景中應用。
“目前，圖像篡改檢測技術的應用也面臨著篡改手段不斷變化、場景復雜等系列挑戰，不斷提升檢測系統的魯棒性和泛化能力，是學術界與企業界需要深入合作的重要方向。”郭豐俊表示，合合信息已聯合中國信通院，發起了《文本圖像篡改檢測系統技術規范》標準制定，希望持續推動AI技術在圖像安全領域的廣泛應用，帶給用戶更加安全、高效的工作和生活體驗。