首页/第七篇 图片理解与视觉分析/分析图表、票据与表单
16px
第七篇 · 图片理解与视觉分析

分析图表、票据与表单

目录(2

手机拍下的收据有一道折痕,金额还能看清,日期却被阴影切成两半。自动提取最危险的时刻,不是全部失败,而是九成正确让那一成错误悄悄通过。

视觉提取必须为每个关键字段保留置信状态和人工核对位置

一张收据里,商户名和总额也许很清楚,日期最后一位却压在折痕上。如果系统为了表格整齐而补成“8”,这个猜测会和清晰字段一起进入报销流程。九成正确之所以危险,是因为人会停止看那一成。

让“看不清”成为合法答案

要求 ChatGPT 输出字段值时,同时写出它在图片中的位置和清晰程度。日期可以是“无法确认,右上角被阴影遮挡”,而不是一个勉强完整的数字。需要录入系统的关键字段,再回到原图逐项确认。

图表也一样。模型可以描述趋势,但如果坐标轴被裁掉、图例颜色难以区分,就不应猜测单位和系列。可靠的视觉理解不是把每个格子都填满,而是让确定和不确定在结果里长得不一样。

请把图片内容提取为表格。每个字段包含“值、图片位置、清
🔒 此内容需要 VIP 解锁

订阅 VIP 即可解锁全部 ChatGPT 进阶文章与附录。

持续更新价原价¥558¥358/立省 ¥200