afujimura https://blog.hatena.ne.jp/afujimura/ Insight Edge Tech Blog https://techblog.insightedge.jp/ Azure 生成AI はじめに Insight EdgeのLLM Engineerの藤村です。 昨今、企業のDX推進に伴い、社内に蓄積された大量の画像データや文書の効率的な活用が求められています。弊社では、実務でLLMを活用する際、画像や表形式、複雑な図を含むドキュメントの理解が大きな課題となっています。この課題は多くの企業でも同様に直面していると考えられ、その解決は業務効率化において重要な意味を持ちます。 例えば： PowerPointの表やグラフの内容理解 手書きのホワイトボード写真からの情報抽出 複雑な組織図の階層関係の把握 スキャンした文書の図表部分の解釈 これらの課題に対して、以下の2点を検証しました： … 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftechblog.insightedge.jp%2Fentry%2Fllm-multi-modal-recognition" title="マルチモーダルLLMで複雑な画像を攻略：AOAIでGPT-4oをFine-tuning - Insight Edge Tech Blog" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/i/insightedge/20241202/20241202093034.png Hatena Blog https://hatena.blog 2024-12-02 09:30:00 rich https://techblog.insightedge.jp/entry/llm-multi-modal-recognition 1.0 100%