Từ điển
Vision model là gì?
Vision model là mô hình hiểu nội dung hình ảnh: nhận diện vật thể, đọc chữ, mô tả biểu đồ và trả lời câu hỏi dựa trên ảnh.
Vision model là mô hình hiểu nội dung hình ảnh: nhận diện vật thể, đọc chữ, mô tả biểu đồ và trả lời câu hỏi dựa trên ảnh.
Vision model khác OCR ở đâu?
OCR chỉ chuyển chữ trong ảnh thành văn bản. Vision model hiểu cả bố cục, quan hệ giữa các phần và ngữ cảnh. Nó có thể nói "biểu đồ này cho thấy doanh thu giảm từ tháng 6" thay vì chỉ trả về con số.
Giới hạn
- Ảnh mờ, nghiêng hoặc thiếu sáng làm giảm độ chính xác.
- Chữ nhỏ trong bảng phức tạp dễ bị đọc sai.
- Mô hình có thể suy đoán phần bị che.
- Số liệu và tên riêng luôn cần đối chiếu.
Cách dùng hiệu quả
Chụp ảnh thẳng, đủ sáng, độ phân giải cao. Hỏi theo mục cụ thể thay vì "mô tả ảnh này". Với hóa đơn hoặc bảng, yêu cầu trả về từng trường và đánh dấu chỗ không đọc được.