OCR을 넘어 텍스트 기반 시각 지능으로: PolyOCR 모델 공개
원제 PolyOCR-Venus: Unified OCR Foundation Models for Text-Centric Visual Intelligence
추천 32댓글 2
Key Point
OCR 기술이 단순 텍스트 추출에서 복잡한 문서 이해와 추론으로 확장되는 가운데, 여러 작업을 균형있게 수행하는 통합 모델의 등장은 문서 처리, 정보 추출, 자동화 분야에 실질적인 영향을 미칠 수 있다.
핵심 요약
- Hugging Face와 arXiv에서 공개된 PolyOCR-Venus는 단순한 텍스트 인식을 넘어 복잡한 시각 환경에서 텍스트를 인식·위치파악·추론하는 통합 OCR 기초 모델이다.
- 기존 OCR 시스템은 특정 작업에만 강하고 인식, 파싱, 추론을 균형있게 수행하지 못하는 한계가 있었다.
- PolyOCR은 명령 추종 프레임워크와 대규모 데이터 엔진을 결합하여 서로 다른 시각 자원을 검증된 OCR 감독 신호로 변환한다.
- 신규 알고리즘 '역량 기반 정책 최적화'(Competence-Guided Policy Optimization)는 검증자 기반 그룹 상대 정책 최적화와 교사-학생 역량 격차 기반 라우팅을 통한 정책 내 증류를 결합한다.
- OCRBench v2.1으로 벤치마크를 개선했으며, 수동 검증 주석 수정과 작업 정렬 채점 지표를 포함한다.
- OCRBench v2.1, CC-OCR, KIE Benchmark, OmniDocBench v1.6, MDPBench 등 다양한 평가에서 최고 수준 또는 경쟁력 있는 성능을 달성했다.