1. 초록
PaddleOCR-VL-1.5는 PaddlePaddle의 오픈 소스 0.9B 파라메트릭 문서 다중 모달 모델로, 레이아웃 위치 지정, 읽기 순서부터 텍스트/표/공식 등 구조화된 분석까지 "굽힘, 왜곡, 기울기, 스크린 촬영, 복잡한 조명"과 같은 실제 획득 시나리오에 대한 통합 기능을 제공합니다. 공식 공개 결과에 따르면 문서 이해와 고품질 데이터 추출에 적합한 OmniDocBench v1.5와 Real5-OmniDocBench에서 높은 정확도를 달성합니다.
2. 핵심 특징
- 다각형/불규칙 영역 위치 지정: 다점 다각형이 단단한 직사각형 상자 대신 사용되며, 이는 곡선과 원근 왜곡 하에 텍스트와 요소의 경계에 더 잘 맞습니다.
- 인장 및 서명 인식: 정부 및 기업 물자의 구조화된 추출과 준수 시나리오에 적합한 '인장/공식 인장' 요소를 인정하는 기능이 추가되었습니다.
- 확장 논리와 전역 의미론: 스프레드 테이블 병합, 제목 및 계층적 연관과 같은 '전체 문서 수준' 이해를 지원하여 긴 문서의 의미론적 복원에 적합합니다.
- 멀티태스킹 파싱: 텍스트, 표, 공식, 차트 및 기타 요소를 포함하고, 엔드 투 엔드 문서 파싱 출력(예: Markdown/JSON)을 제공합니다.
- 경량 및 고처리량: 0.9B 매개변수는 비용 통제 배포에 편리합니다; 공식 자료는 A100의 일괄 문서 처리를 위한 종단 간 처리량 데이터를 제공합니다.
- 다국어: 공식 자료는 티베트어, 벵골어 및 기타 소규모 언어를 포함한 광범위한 다국어 자료를 제공합니다.
3. 설치
- 온라인 경험: ModelScope 온라인 데모를 직접 사용해 이미지나 PDF를 업로드하여 구부림 및 왜곡, 스크린 촬영 등 장면의 분석 효과를 빠르게 검증하세요.
- 로컬 배포: PaddleOCR 저장소를 복제하고, 공식 문서에 따라 의존성 및 모델 리소스를 설치하며, 환경 차이를 줄이기 위해 Docker를 우선적으로 사용합니다.
- 추론 가속: 높은 처리량이 필요할 때는 FastDeploy와 같은 추론 백엔드를 사용하여 서비스 지향 배포와 배치 처리 가속을 수행하고, 배치 큐 및 동시성 매개변수 튜닝을 결합합니다.
4. 일반적인 사용 사례
- 복잡한 스캔 구조화: 계약서, 청구서, 서류, 보고서 등을 이미지/PDF를 사용 가능한 구조화된 Markdown/JSON으로 변환합니다.
- 펼쳐진 표 및 목차 복원: 장문의 가독성과 검색 가능성을 높이기 위해 제목 수준에서 펼쳐진 표를 자동으로 병합하고 정리합니다.
- 봉인 요소 추출: 자재 검증 및 위험 관리 아카이빙에서 봉인 영역과 핵심 정보를 추출하여 규칙/수동 검토와 연계합니다.
- 문서 RAG 데이터 파이프라인: 단락, 표, 페이지 번호, 요소 좌표를 보존하여 검색 회상, 인용 위치 지정 및 답변 추적성을 향상시킵니다.
5. 생태와 경쟁 제품
- 생태학: PaddleOCR은 문서 렌더링, 레이아웃 분석, 구조화된 출력까지 완전한 툴체인을 제공하여 배치 처리와 온라인 서비스 구현을 용이하게 합니다.
- 경쟁 제품: 일반 멀티모달 대형 모델과 전통적인 OCR/문서 파싱 솔루션은 각각 장점이 있습니다; PaddleOCR-VL-1.5는 더 작은 매개변수로 오버레이된 "진정한 왜곡 문서 해상도" 멀티태스킹을 특징으로 합니다. 서로 다른 스킴의 장단점은 데이터 분포와 평가 환경에 따라 다르므로, 선택 전에 회귀 검사를 위해 자체 샘플을 사용하는 것이 권장됩니다.
6. 제한 및 주의사항
- 스팬 머징과 계층적 추론 간의 오인 합병 위험: 매우 불규칙한 레이아웃과 헤더 및 푸터에 강한 간섭이 있는 문서의 경우, 규칙 검증과 샘플링 검토가 필요합니다.
- 씰 인식은 강력한 비즈니스 속성을 지니고 있습니다: 씰 스타일은 지역/단위마다 크게 다르며, 도메인 데이터와 임계값 전략을 보완하는 것이 권장됩니다.
- 처리량과 비용은 렌더링 및 추론 링크에 따라 달라집니다: PDF 렌더링 DPI, 배치 크기, 동시성, 백엔드 구현은 속도와 비용에 큰 영향을 미칩니다.
- 공개 및 비교는 신중하게 해석되어야 합니다: 일부 폐쇄 소스 일반 모델에서 비교 결론을 볼 때는 평가 집합, 프롬프트 단어, 입력 처리의 일관성에 주목해야 합니다.
7. 프로젝트 주소
https://github.com/PaddlePaddle/PaddleOCR
8. 자주 묻는 질문
Q: PaddleOCR-VL-1.5는 문서 구부림 및 비틀기 OCR에 적합한가요?
A: 공식 포지셔닝은 스캔 왜곡, 원근 왜곡, 스크린 카메라를 위한 것이며, 불규칙한 영역 위치 측정과 종단 간 해상도 기능을 제공합니다; 검증을 위해 실제 표본 샘플을 사용하는 것이 권장됩니다.
Q: PaddleOCR-VL-1.5로 고정밀 문서 RAG를 어떻게 만들 수 있나요?
A: Markdown/JSON 같은 구조화된 결과를 우선적으로 출력하며, 제목 레벨, 테이블 구조, 읽기 순서, 페이지 번호, 좌표를 유지하세요. 그 다음 "단락/표 블록"을 클릭해 창고로 나누고 추적 가능한 참조를 생성하세요.
Q: 스프레드 테이블 병합 효과가 불안정하면 어떻게 해야 하나요?
A: 후처리 단계에서 일관성 검사(열 수/헤더 유사성/인접 페이지 수)를 추가하고, 신뢰도가 낮은 샘플의 경우 수동으로 검토하거나 '페이지당 파싱'으로 전환하세요.
Q: 처리량이 공식 데이터를 충족하지 못하면 어떻게 해야 하나요?
A: PDF 렌더링 시간, 입력 해상도, 배치 및 동시성, GPU 활용도, 그리고 공식적으로 권장되는 추론 백엔드 및 매개변수가 사용되는지 확인하세요. 종단 간 링크의 어떤 링크도 병목 현상이 됩니다.
Q: 티베트어, 벵골어 및 기타 언어를 지지하나요?
답변: 공식 출처는 다국어 보도를 제공하며 티베트어, 벵골어 등을 포함합니다; 출시 전에 목표 언어에 대한 특별 샘플링과 수용을 실시하는 것이 여전히 권장됩니다.
