讲者简介：金连文，华南理工大学二级教授，兼任中国图象图形学学会（CSIG）常务理事、CSIG文档图像分析与识别专委会主任、广东省图象图形学会理事长、CAAI模式识别专委会、CAA模式识别与机器智能专委会常委、广东省高校音视频图文智能信息处理工程研究中心主任等职。主要研究领域为文字识别、文档图像理解、计算机视觉、人工智能及应用等，在重要学术期刊及国际会议上发表论文200余篇（其中SCI一区+CCF A类论文100余篇），Google Scholar论文被引用数15000余次，H-Index 64。获省部级科技奖5项（其中一等奖2项，二等奖3项）；荣获CAAI、CIE、CSIG等全国性学会科技进步二等奖3项；指导学生参加CVPR、ICDAR、ICPR、PRCV等国际国内知名会议上的学术竞赛并荣获冠军20余次。

报告题目：多模态大模型技术及其在OCR的应用

报告摘要：随着大语言模型（LLMs）的兴起，面向自然语言处理领域的通用人工智能（AGI）取得了重大突破，近两年来多模态大语言模型、视觉基础模型等视觉AGI技术也引起了广泛的研究关注并取得了快速发展。本报告将简要回顾近年来多模态大模型和光学文字识别（OCR）垂直领域大模型的代表性研究进展，介绍面向OCR领域的一些最新的垂直大模型和AGI模型的构建方法和技术路线，展示我们团队近期研发的多模态古籍智能对话“通古大模型”应用演示系统，并对OCR及CV领域多模态大模型发展趋势与未来研究方向进行讨论。