ICDAR 2026 競賽：從 ALD/E 科學圖表中進行資訊提取
為何重要
這項競賽的發現傳達出關鍵訊息：目前的多模態模型越接近通用能力時，越難精確處理垂直領域的科學細節。對於業界而言，這代表開發專為「圖表檢索」與「科學敘事理解」設計的下游應用仍有巨大的技術壁壘與創新空間，可能衍生出針對高維度科學圖表的專用開發工具需求。
從 Atomic Layer Deposition/Etching (ALD/E) 科學圖表中提取資訊證明瞭多模態 AI 必須結合視覺感知與專業領域推理才有意義，而 Sci-ImageMiner 資料集與競賽正是為了挑戰此一難題而生。這場由社群驅動的競賽展示了業界與學界對量子點化學與半導體工藝圖表自動化的關注需求。