AI lõi ‘Make in Vietnam’ được xếp hạng Top 12 thế giới

Theo đánh giá của Robust Reading Competition (RRC - một sân chơi khoa học uy tín trên thế giới), mô hình nhận dạng văn bản từ hình ảnh CATI-VLM, một sản phẩm “Make in Vietnam” được xếp hạng Top12 thế giới.

Trong bối cảnh chuyển đổi số, chuyển đổi trí tuệ nhân tạo (AI) tại Việt Nam đang diễn ra mạnh mẽ, công nghệ OCR (nhận dạng ký tự quang học) ngày càng giữ vai trò quan trọng trong việc số hóa tài liệu, tự động hóa quy trình nghiệp vụ, tiết kiệm chi phí và nâng cao hiệu quả quản trị. Tuy nhiên, với đặc thù tiếng Việt có dấu và chữ viết tay, bài toán nhận dạng không chỉ dừng lại ở việc 'đọc chữ', mà đòi hỏi mô hình phải có khả năng hiểu ngữ cảnh toàn diện.

Mới đây, Viện Ứng dụng Công nghệ CMC (CMC ATI) đã công bố mô hình CATI-VLM (Visual Document Understanding) do đội ngũ nghiên cứu phát triển từ kho dữ liệu lớn 5TB, đạt Top12 thế giới và Top 1 Việt Nam trong bảng xếp hạng vừa được Robust Reading Competition (RRC) công bố tháng 6/2025 tại hạng mục Document Visual Question Answering (DocVQA).

Robust Reading Competition (RRC) là một sân chơi khoa học uy tín, (https://rrc.cvc.uab.es/) được tổ chức bởi Trung tâm Thị giác Máy tính (CVC) thuộc Đại học Autònoma de Barcelona (UAB) Tây Ban Nha, một cơ sở nghiên cứu có uy tín của thế giới trong lĩnh vực thị giác máy tính. Khởi xướng từ 2011, luôn đồng hành cùng Hội nghị Quốc tế về Phân tích và nhận dạng văn bản ICDAR - một trong những diễn đàn lớn nhất thế giới về phân tích tài liệu và thị giác máy tính, cuộc thi đã trở thành một sự kiện quan trọng, thu hút các nhà nghiên cứu, kỹ sư từ các trường đại học, viện nghiên cứu và công ty công nghệ uy tín như Đại học Tsinghua, Hyundai Motor Group, và Tencent… Các nhiệm vụ của RRC được thiết kế để thúc đẩy tiến bộ công nghệ, gắn chặt với bài toán thực tiễn từ dịch thuật, quản trị dữ liệu doanh nghiệp đến phân tích đô thị và xử lý tài liệu lịch sử.

TS. Đặng Minh Tuấn, Viện trưởng CMC ATI, chia sẻ: "Năng lực nghiên cứu của đội ngũ CMC được khẳng định qua một sân chơi uy tín toàn cầu như RRC. Tự hào là chỉ trong thời gian ngắn, team có thể đạt thứ hạng cao, sánh vai các tên tuổi lớn từ các quốc gia phát triển. Quan trọng hơn, đây là minh chứng rõ ràng cho khả năng làm chủ công nghệ để giải quyết các bài toán đặc thù của tiếng Việt và các lĩnh vực chuyên ngành tại Việt Nam".

CATI-VLM khác biệt so với OCR truyền thống ở chỗ không chỉ trích xuất ký tự, mà còn hiểu nhiều lớp thông tin: nội dung văn bản, yếu tố phi văn bản (ô tick, checkbox, biểu đồ, chữ ký, công thức), bố cục (cấu trúc trang, bảng biểu, form mẫu) và phong cách (font chữ, phần highlight…). Mô hình có thể trả lời câu hỏi trực quan đặt ra trên hình ảnh tài liệu, tương tự ChatGPT, mà không cần học trước từng form cụ thể.