Khoa Công nghệ thông tin xin gửi lời chúc mừng đến nhóm Sinh viên Đặng Minh Nhựt và Dương Thanh Triều đã có công bố được báo cáo tại Hội nghị Quốc tế Pacific Rim International Conference on Artificial Intelligence (PRICAI) năm 2026, được xếp hạng B. 


🌟 Tên bài báo: VADoP: Visual-Aware Damaged Content Prediction for Ancient Documents

👉 Link bài báo: https://drive.google.com/file/d/1MtulU_g8B3_J9G4Z6g_g0IP5RUDx507W/view?usp=sharing 

����‍����Các tác giả: Minh-Nhut Dang, Thanh-Trieu Duong, Dien Dinh, and Long Nguyen

  • Sinh viên: Đặng Minh Nhựt và Dương Thanh Triều (Chương trình Tiên tiến, 2022)

  • GVHD: PGS.TS. Đinh Điền và TS. Nguyễn Hồng Bửu Long (Khoa Công nghệ thông tin, Trường Đại học Khoa học tự nhiên, ĐHQG-HCM)

🔥 Tóm tắt bài báo: Nhóm đề xuất một phương pháp ứng dụng mô hình thị giác–ngôn ngữ nhằm dự đoán và khôi phục các ký tự bị hư hại trên ảnh bản dập văn khắc Hán cổ, thông qua việc kết hợp ngữ cảnh văn bản với những thông tin thị giác còn sót lại. Nhóm cũng phát triển một quy trình tổng hợp dữ liệu Damage Rubbing Synthesis (DaRuS), cho phép tạo ảnh bản in dập giả lập và mô phỏng các dạng hư hại trực tiếp từ dữ liệu văn bản, giảm sự phụ thuộc vào nguồn ảnh được gán nhãn thủ công. Từ quy trình này, nhóm xây dựng bộ dữ liệu VADoP-Syn gồm 27.481 mẫu với 27.392 ký tự khác nhau, đồng thời sử dụng kỹ thuật QLoRA để tinh chỉnh các mô hình Qwen3-VL với chi phí tài nguyên tính toán thấp hơn. Kết quả thực nghiệm trên bộ dữ liệu FPHDR cho thấy mô hình VADoP-8B đạt độ chính xác Top-1 là 71,05%, Top-5 là 77,53% và tỷ lệ lỗi ký tự (CER) là 17,31%, vượt mô hình ngôn ngữ lớn AutoHDR-Qwen2-7B lần lượt 4,03 và 5,41 điểm phần trăm về độ chính xác Top-1 và Top-5. Các thí nghiệm loại bỏ thành phần đầu vào cho thấy việc không sử dụng hình ảnh làm giảm độ chính xác Top-1 tới 43,84 điểm phần trăm; đồng thời, phân tích cơ chế attention cho thấy các dự đoán chính xác có xu hướng tập trung nhiều hơn vào vùng ảnh chứa ký tự bị hư hại tương ứng. Những kết quả này khẳng định vai trò quan trọng của thông tin thị giác trong dự đoán nội dung bị hư hại, đồng thời cho thấy tiềm năng ứng dụng của dữ liệu tổng hợp và các mô hình thị giác–ngôn ngữ trong số hóa, phục hồi tài liệu lịch sử.

🌈 Điểm nổi bật: 

✨ Bài báo này cũng chính là sản phẩm của Khóa luận tốt nghiệp của nhóm sinh viên, tên đề tài “A Deep Learning Approach to Detecting and Restoring Ancient Sino-Nôm Inscriptions” đã xuất sắc được điểm 10 và được Khen thưởng đề tài đạt thành tích Nghiên cứu Khoa học - Công nghệ xuất sắc năm học 2025-2026 của Trường Đại học Khoa học tự nhiên, ĐHQG-HCM.

✨ Bài báo này đã giúp sinh viên nhận được giải thưởng Best Paper Runner-up Award tại Hội nghị Quốc tế Pacific Rim International Conference on Artificial Intelligence (PRICAI) 2026. Đây là một trong những giải thưởng dành cho các bài báo nghiên cứu tại Hội nghị Quốc tế PRICAI, và trong năm nay hội nghị trao 01 giải Best Paper Award và 02 giải Best Paper Runner-up Award, với tổng cộng 03 công trình được vinh danh ở hạng mục Best Paper, tương đương khoảng 0,16% tổng số bài báo hợp lệ được gửi đến hội nghị. Giải thưởng ghi nhận những công trình nghiên cứu có chất lượng khoa học và đóng góp nổi bật tại hội nghị.


🌻 Xin chúc mừng nhóm tác giả với những thành tựu nghiên cứu nổi bật này.

🌻Chúc các bạn sẽ tiếp tục đạt được thành công trong tương lai.