모델 뉴스
문서 파싱 특화 경량 VLM, TeleOCR 공개
XingChen-AGI/TeleOCR
Hugging Face문서 인식 및 구조 분석을 위한 경량 오픈소스 VLM 'TeleOCR'이 공개되었습니다. 이 모델은 디지털 문서와 카메라 촬영 이미지를 하나의 프레임워크에서 통합적으로 파싱하는 것이 특징입니다.
세 줄 요약
- 단순 텍스트 추출을 넘어 레이아웃과 구조적 이해에 중점을 두어, 기하학적으로 왜곡되거나 변형된 실제 현장 문서까지 안정적으로 처리할 수 있습니다.
- OmniDocBench 등 주요 문서 파싱 벤치마크에서 최고 수준의 성능을 기록하며, 복잡한 구조 분석 능력 면에서 경쟁 모델들을 능가하는 결과를 보여주었습니다.
- 약 1.2B 파라미터로 경량화되어 배포가 용이하다는 장점을 갖추었으며, 강력한 성능과 실용성을 겸비하여 산업 현장 적용에 매우 적합합니다.
TeleOCR은 문서 구조 분석을 위해 설계된 경량 비전-언어 모델()입니다. 이 모델의 가장 큰 특징은 기존 방식들이 디지털 문서나 카메라 촬영 이미지 중 한쪽에만 초점을 맞추었던 것과 달리, 두 가지 시나리오를 단일 프레임워크 내에서 통합적으로 처리할 수 있다는 점입니다.
TeleOCR은 성능 향상을 위해 여러 첨단 기술을 도입했습니다. 여기에는 자동 가상 레이블 생성을 위한 다중 노드 합의 투표(MCV), 카메라 촬영 문서에 특화된 기하학 인식 문서 모델링, 곡률 기반 더글러스-피커 샘플링(CGDP) 등이 포함됩니다. 이러한 기술들은 TeleOCR이 실용적인 배포가 가능하도록 경량성을 유지하면서도 최신 성능을 달성하게 합니다.
모델은 복잡한 환경에서도 높은 안정성을 입증했습니다. 예를 들어, DocUNet 및 DIR300과 같은 공개 왜곡 데이터셋에서 테스트했을 때, TeleOCR은 전처리나 별도의 보정 모델 없이도 기하학적으로 변형된 문서에 대해 레이아웃과 콘텐츠 파싱을 직접 수행하는 강력한 성능을 보여주었습니다.
용어 풀이
- 오픈소스
- 소스 코드를 공개해 누구나 보고 고치고 다시 배포할 수 있게 한 소프트웨어.
- VLM
- 이미지와 글을 함께 이해하는 모델.